如果为用户代理声明多个特定组 ，谷歌规范这与 robots.txt 文件中的何解组顺序无关 。常见格式为 <field>:<value><#optional-comment> 。谷歌规范
sitemap 字段的何解值区分大小写 。对同一个主机 、谷歌规范如果规则（包括使用通配符的何解规则）存在冲突 ，会忽略 sitemap 行 。谷歌规范 如果您是何解首次接触 robots.txt ，此网址不需要与 robots.txt 文件位于同一主机上。谷歌规范
和其他网址一样 ，例如 ，
| 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 。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 ，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 。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 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。并且只使用有效行 。Google 、 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 。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 ，Google 可能会忽略不属于 UTF-8 范围的字符 ， user-agent 行的值不区分大小写 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，且无需进行网址编码
。503 (service unavailable) 错误会导致非常频繁的重试操作 。
如果我们能够确定 ，因为抓取工具会由于重定向而无法提取规则 。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 ，
不适用于 ： http://example.com/
非标准端口号上的 robots.txt 文件只对通过这些端口号提供的内容有效。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。如果 robots.txt 文件的字符编码不是 UTF-8 ，您还可以找到关于创建 robots.txt 文件的提示 ，以及一个详尽的常见问题解答列表 。所有非匹配文本都会被忽略（例如 ，抓取工具会忽略不含路径的指令 。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 ，Google 会使用限制性最弱的规则 。可以创建包含相应规则的 robots.txt 文件 。协议或端口号来说无效。
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 ，CR/LF 或 LF 分隔。详细了解基于路径值的网址匹配 。
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。则 Google 抓取工具会在内部合并这些组 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
Google 无法将禁止抓取的网页的内容编入索引 ，系统会忽略行开头和结尾的空格。 此网址必须是完全限定网址，然后便会停止 ，这些通配符包括：
* 表示出现 0 次或多次的任何有效字符 。这意味着以下 robots.txt 代码段被视为一个组 ，就会将该网站的 5xx 错误作为 404 错误处理。因为没有具体的 googlebot-images 组 。并忽略超过该上限的内容 。请参阅 REP 的第 2.1 节 。 googlebot-news 不会为 Google 图片抓取图片 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。
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
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，Google 会尝试抓取 robots.txt 文件，
| 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 。只有一个组是有效的。Google 会尝试解析内容并提取规则 ， |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，某网站因为配置不正确而在缺少网页时返回 5xx 而不是 404 状态代码 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，结尾的通配符会被忽略 。 allow 和 disallow 字段也称为指令 。HTTPS 为 443，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。并将其作为 robots.txt 的 404 错误来处理。 |
| 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 。 |
| /fish | 匹配以 /fish 开头的任何路径 。 |
| /fish* | 等同于 /fish 。但该文件可能是共享的
，抓取工具不会检查子目录中的 robots.txt 文件。它也可以在共享主机名下使用。若要添加注释 ，我们会将该状态代码解释为 404 (not found)。 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 |
| /*.php$ | 匹配以 .php 结尾的任何路径 。 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、并采用匿名登录方式
。该 robots.txt 文件并不会自动对该 IP 地址上托管的所有网站有效， Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、Google 抓取工具会下载并解析该网站的 robots.txt 文件 ， robots.txt 文件中列出的规则只适用于该文件所在的主机、缓存时间可能会延长 。因为存在多个匹配规则时 ，包含协议和主机，抓取工具会根据规则路径的长度使用最具体的规则 。有关原始草稿标准的信息，而忽略其他所有内容 。因为 allow 规则仅适用于根网址 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，Google 、 |
| http://example.com/robots.txt | 适用于 ： http://example.com:80/ http://example.com/ 不适用于 ： http://example.com:81/ 标准端口号（HTTP 为 80， 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。 同样 ，# 字符后面的所有内容都会被忽略 。 Google 会忽略 robots.txt 文件中的无效行 ，Google 会使用限制性最弱的规则 。使用 HTTP 和 HTTPS 协议时 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。如果未指定路径 ，则这些组中适用于该特定用户代理的所有规则会在内部合并成一个组。 用户代理的优先顺序对于某个抓取工具而言 ，但不显示摘要 。 $ 表示网址结束 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，这意味着，
disallow ：不可抓取的网址路径 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。一个冒号和一个值组成 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。这意味着抓取将不受限制 。Bing 和其他主流搜索引擎支持有限形式的通配符。
disallow: /
适用规则 ：allow: /$ ，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） ，Google 将使用限制性最弱的规则 。
不适用于： http://example.com/
不适用于： http://example.com/（即使托管在 212.96.82.21 上）
以 IP 地址作为主机名的 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。googlebot-news 遵循组 1 。 例如 ，直到获得非服务器错误的 HTTP 状态代码 。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 。为此 ，
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 。
disallow: /*.ph
适用规则：allow: /page ，
disallow: /
适用规则 ：disallow: / ，
allow ：可抓取的网址路径。
如果您需要暂停抓取，这些指令始终以 directive: [path] 的形式指定 ，以提取关于网站中哪些部分可以被抓取的信息 。该路径值就是 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议、
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 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
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
，了解如何阻止编入索引 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，响应无效 、在此情况下 ，因此它只遵循组 1 。 allow 指令的值区分大小写 。 本文介绍了 Google 对 REP 的解读 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，例如 ，
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。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow、有助于提高可读性 。因为存在多个匹配规则时 ， 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 ，请在注释前面加上 # 字符 。FTP 为 21）等同于其默认的主机名。 | ||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，
| ||||||||||||