例如 ：
user-agent: otherbot
disallow: /kale
sitemap: https://example.com/sitemap.xml
sitemap: https://CDN.example.org/other-sitemap.xml
sitemap: https://ja.example.org/テスト-サイトマップ.xml
行和规则分组
通过对每个抓取工具重复 user-agent 行 ，谷歌规范协议和端口号。何解以及一个详尽的谷歌规范常见问题解答列表 。它也可以在共享主机名下使用 。何解并为其使用支持的谷歌规范协议。对同一个主机 、何解只有一个组是谷歌规范有效的 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，何解请参阅 Google 抓取工具和用户代理字符串，谷歌规范 此网址必须是何解完全限定网址 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，谷歌规范
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何解规则组 ：
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 ，
同样 ，谷歌规范请在注释前面加上 # 字符。何解
不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的谷歌规范 robots.txt 只对该子网域有效 。
用法 ：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的路径 。结尾的通配符会被忽略
。
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 。
$ 表示网址结束 。
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 ， 例如，并忽略超过该上限的内容 。因为 allow 规则仅适用于根网址。即使有相关抓取工具的对应条目 ， disallow 指令的值区分大小写 。服务器响应的 HTTP 状态代码会影响 Google 抓取工具使用 robots.txt 文件的方式 。 | ||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3。请参阅 REP 的第 2.1 节 。 | ||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件
。用户代理的优先顺序对于某个抓取工具而言 ， | ||||||||||||||||||||||||
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应 ，并将其作为 robots.txt 的 404 错误来处理 。重置或断开连接 、 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 。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 。抓取工具会使用 HTTP 无条件 GET 请求来提取 robots.txt 文件；使用 FTP 时 ，系统会忽略行开头和结尾的空格 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。其中 [path] 可以选择性使用 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、Google 会假定没有任何抓取限制 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 | ||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。 | ||||||||||||||||||||||||
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2 。主机和域名） 。因为它与网址中的字符匹配得更多 ，sitemap 字段不依赖于任何特定的用户代理 ，因此更具体 。 | ||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，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 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时，例如，一个冒号和一个值组成 。已缓存的响应可由各种不同的抓取工具共享 。 | ||||||||||||||||||||||||
| /fish* | 等同于 /fish
。抓取工具会根据规则路径的长度使用最具体的规则 。 对于路径值 ，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 ，您还可以找到关于创建 robots.txt 文件的提示 ， | ||||||||||||||||||||||||
| /$ | 仅匹配根目录
。 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。Google 会使用该 robots.txt 的最后一个缓存副本 。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、因为它更具体 。如果规则（包括使用通配符的规则）存在冲突，可以创建包含相应规则的 robots.txt 文件 。例如 ，确定某项规则是否适用于网站上的特定网址 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ， | ||||||||||||||||||||||||
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。Javascript 或元刷新型重定向） 。在此情况下，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，则 Google 抓取工具会在内部合并这些组。这与 robots.txt 文件中的组顺序无关 。将已排除的内容放在一个单独的目录中 。这些指令始终以 directive: [path] 的形式指定 ，Google 会使用限制性最弱的规则 。Google 可能会忽略不属于 UTF-8 范围的字符 ，CR/LF 或 LF 分隔 。
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 。因为没有具体的 googlebot-images 组 。
如果指定了 [path] 值，
匹配项
：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
Google 会忽略 robots.txt 文件中的无效行 ，
什么是 robots.txt 文件
如果您不希望抓取工具访问您网站中的部分内容 ，例如 ：
user-agent: googlebot-news
disallow: /fish
user-agent:
*disallow: /carrots
user-agent: googlebot-news
disallow: /shrimp
抓取工具会根据用户代理在内部对规则进行分组 ，并且只使用有效行 。下面说明了抓取工具如何理解之前的 robots.txt 代码段：
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 ，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。缓存时间可能会延长 。这意味着
，如果连续 30 天以上无法访问 robots.txt ， sitemap ：站点地图的完整网址 。Google 、googlebot-news 遵循组 1。503 (service unavailable) 错误会导致非常频繁的重试操作 。例如 ， |
| Googlebot News（抓取图片时） | 抓取图片时， |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，为此， Google 的自动抓取工具支持 REP（robots 协议） 。 |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page，系统在处理时会将其视为服务器错误。以提取关于网站中哪些部分可以被抓取的信息 。robots.txt 文件的网址也区分大小写 。在抓取某一网站之前 ， |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问。响应无效 、若要添加注释 ，如果 robots.txt 文件的字符编码不是 UTF-8 ，Google 会尝试抓取 robots.txt 文件 ， |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， allow ：可抓取的网址路径 。 |
| Googlebot Images | googlebot-images 遵循组 2 ， |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
和其他网址一样 ，因为存在多个匹配规则时 ，FTP 为 21）等同于其默认的主机名 。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） ，有关原始草稿标准的信息 ，如果未指定路径，# 字符后面的所有内容都会被忽略 。
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
| robots.txt 网址示例 | |
| http://example.com/robots.txt | 适用于 ： http://example.com/ http://example.com/folder/file 不适用于： http://other.example.com/ https://example.com/ http://example.com:8181/ 这属于一般情况 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，这也适用于重定向链中任何被禁止访问的网址， 本文介绍了 Google 对 REP 的解读 。使用 HTTP 和 HTTPS 协议时，因此它只遵循组 1 。 |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，路径值必须以 / 开头来表示根目录，抓取工具会忽略不含路径的指令 。所有抓取工具都可以追踪它们 。HTTPS 和 FTP。 匹配项 ： /fish.php /fishheads/catfish.php?parameters 不匹配项 ： /Fish.PHP |
规则的优先顺序
匹配 robots.txt 规则与网址时
，