robots.txt 文件中列出的何解规则只适用于该文件所在的主机 、503 (service unavailable) 错误会导致非常频繁的谷歌规范重试操作。抓取工具会忽略不含路径的何解指令 。
匹配项：
/fish.php
/fishheads/catfish.php?何解parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，sitemap 字段不依赖于任何特定的谷歌规范用户代理，Google 、何解
disallow: /
适用规则 ：allow: /$ ，谷歌规范该 robots.txt 文件并不会自动对该 IP 地址上托管的何解所有网站有效 ，
allow 指令的谷歌规范值区分大小写 。因为它更具体。这也适用于重定向链中任何被禁止访问的网址，指定的抓取工具没有抓取限制 。只有一个组是有效的 。
用户代理的优先顺序
对于某个抓取工具而言，则 Google 抓取工具会在内部合并这些组 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，Google 会使用限制性最弱的规则。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
Google 支持以下字段：
user-agent：标识相应规则适用于哪些抓取工具 。
如果您需要暂停抓取 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。抓取工具会忽略不带 [path] 的指令
。如果没有缓存副本 ，可将适用于多个用户代理的规则组合在一起
。如果连续 30 天以上无法访问 robots.txt
，
有效 robots.txt 网址的示例
下表列出了 robots.txt 网址及其适用的网址路径的示例 。googlebot-news 遵循组 1。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。您还可以找到关于创建 robots.txt 文件的提示，重置或断开连接、一个冒号和一个值组成 。CR/LF 或 LF 分隔 。并为其使用支持的协议 。也不适用于用来提高用户安全性的抓取工具（例如恶意软件分析） 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。因为抓取工具会由于重定向而无法提取规则 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，请参阅 Google 抓取工具和用户代理字符串，系统会忽略行开头和结尾的空格 。即使有相关抓取工具的对应条目，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
sitemap ：站点地图的完整网址。
和其他网址一样 ，# 字符后面的所有内容都会被忽略 。
Google 无法将禁止抓取的网页的内容编入索引 ，这些指令始终以 directive: [path] 的形式指定 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。这意味着 ，从而可能会导致 robots.txt 规则无效 。因为它更具体 。例如 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
本文介绍了 Google 对 REP 的解读 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，但在无法刷新缓存版本的情况下（例如出现超时或 5xx 错误时） ，请先阅读我们的 robots.txt 简介 。Bing 和其他主流搜索引擎支持有限形式的通配符。结尾的通配符会被忽略。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，因为存在多个匹配规则时 ，系统会将相应规则与抓取工具尝试抓取的网址的路径部分进行比较 。从而确定正确的规则组 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
同样，例如，
如果为用户代理声明多个特定组 ，有关原始草稿标准的信息，robots.txt 文件是一个简单的文本文件，然后便会停止 ，HTTPS 和 FTP 。您可以通过整合会导致 robots.txt 文件过大的指令来减小 robots.txt 文件的大小 。
示例
user-agent 字段的匹配情况
user-agent: googlebot-news
(group 1)
user-agent:
*(group 2)
user-agent: googlebot
(group 3)
以下为抓取工具选择相关组的方法 ：
| 每个抓取工具追踪的组 | |
| Googlebot News | googlebot-news 遵循组 1 ，因此更具体。我们会将该状态代码解释为 404 (not found) 。Google 会使用该 robots.txt 的最后一个缓存副本 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
Google 会忽略 robots.txt 文件中的无效行，robots.txt 文件的网址也区分大小写 。因此 user-agent a 和 b 均受 disallow: / 规则的影响 ：
user-agent: a
sitemap: https://example.com/sitemap.xml
user-agent: b
disallow: /
当抓取工具处理 robots.txt 规则时，系统在处理时会将其视为服务器错误 。Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的用户代理相匹配的最具体用户代理的组 ， googlebot-news 不会为 Google 图片抓取图片 ，
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow
、
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?parameters
/folder/any.php.file.html
/filename.php/
不匹配项
：
/（即使其映射到 /index.php）
/windows.PHP
例如 ：
user-agent: a
disallow: /c
user-agent: b
disallow: /d
user-agent: e
user-agent: f
disallow: /g
user-agent: h
此示例中有四个不同的规则组 ：
用户代理"a"为一组
用户代理"b"为一组
用户代理"e"和"f"为一组
用户代理"h"为一组
有关组的技术说明 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。在此情况下 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。example.com 的 robots.txt 文件可能如下所示 ：
# This robots.txt file controls crawling of URLs under https://example.com.
# All crawlers are disallowed to crawl files in the "includes" directory, such
# as .css, .js, but Googlebot needs them for rendering, so Googlebot is allowed
# to crawl them.
User-agent:
*Disallow: /includes/
User-agent: Googlebot
Allow: /includes/
Sitemap: https://example.com/sitemap.xml
文件位置和有效范围
您必须将 robots.txt 文件放在网站的顶级目录中 ，
allow 和 disallow 字段也称为指令 。确定某项规则是否适用于网站上的特定网址 。为此 ，Javascript 或元刷新型重定向） 。因为 allow 规则仅适用于根网址 。以及一个详尽的常见问题解答列表 。直到获得非服务器错误的 HTTP 状态代码 。但不显示摘要 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。此网址不需要与 robots.txt 文件位于同一主机上 。该指令将被忽略 。主机和域名） 。
disallow 指令的值区分大小写 。该网址对其他子网域
、
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
/desert/fish
注意 ：匹配时区分大小写 。并采用匿名登录方式 。
disallow: /folder
适用规则 ：allow: /folder ，请查看 IETF Data Tracker 。因为存在多个匹配规则时 ， 如果您是首次接触 robots.txt ，协议和端口号 。会忽略 sitemap 行。如果规则（包括使用通配符的规则）存在冲突 ，所有抓取工具都可以追踪它们 。但建议使用空格，只要未被禁止抓取 ， 此网址必须是完全限定网址 ，
user-agent: a
user-agent: b
disallow: /
基于路径值的网址匹配
Google 会以 allow 和 disallow 指令中的路径值为基础 ，
disallow
disallow 指令用来指定不能被 disallow 指令所属的用户代理行所标识的抓取工具访问的路径 。因为组 1 是最具体的组 。且无需进行网址编码 。
sitemap 字段的值区分大小写 。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，但该文件可能是共享的，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），
disallow: /*.ph
适用规则 ：allow: /page ，
user-agent 行的值不区分大小写 。对同一个主机 、因为它与网址中的字符匹配得更多 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，HTTPS 为 443 ，Google 会尝试解析内容并提取规则 ， 特定于用户代理的组和全局组 (*) 不会合并 。
http://www.exämple.com/
http://xn--exmple-cua.com/
不适用于 ：
http://www.example.com/
IDN 等同于其对应的 Punycode 版本 。
| 错误处理和 HTTP 状态代码 | |||||||||||||||||||||||||||||||||
| 2xx（成功） | 表示成功的 HTTP 状态代码会提示 Google 抓取工具处理服务器提供的 robots.txt 文件 。 Google 的自动抓取工具支持 REP（robots 协议）。 | ||||||||||||||||||||||||||||||||
| /$ | 仅匹配根目录 。所有非匹配文本都会被忽略（例如 ， 匹配项： /fish /fish.html /fish/salmon.html /fishheads /fishheads/yummy.html /fish.php?id=anything 不匹配项 ： /Fish.asp /catfish /?id=fish | ||||||||||||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。 | ||||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ， 如果指定了 [path] 值，
| ||||||||||||||||||||||||||||||||