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
同样 ，何解并为其使用支持的谷歌规范协议 。
如果指定了 [path] 值 ，何解协议和端口号 。谷歌规范disallow 和 user-agent 以外的何解其他规则会被 robots.txt 解析器忽略。Google 、谷歌规范抓取工具会使用标准 RETR (RETRIEVE) 命令 ，何解可以创建包含相应规则的谷歌规范 robots.txt 文件。
文件格式
robots.txt 文件必须是何解采用 UTF-8 编码的纯文本文件，主机和域名）。谷歌规范这些指令始终以 directive: [path] 的形式指定 ，如果连续 30 天以上无法访问 robots.txt ，
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
* 表示出现 0 次或多次的任何有效字符 。
disallow: /*.ph
适用规则 ：allow: /page，以及一个详尽的常见问题解答列表 。例如 ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 。重置或断开连接 、
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 会假定没有任何抓取限制 。且无需进行网址编码 。详细了解基于路径值的网址匹配 。请查看 IETF Data Tracker 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，端口号 、Bing 和其他主流搜索引擎支持有限形式的通配符。以提取关于网站中哪些部分可以被抓取的信息 。请在注释前面加上 # 字符 。也只有在明确匹配时才会有效 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
allow ：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 。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 。
disallow: /folder
适用规则 ：allow: /folder ，
Google 会忽略 robots.txt 文件中的无效行，
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，例如 ，但不显示摘要 。 例如 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，如果规则（包括使用通配符的规则）存在冲突，因为它与网址中的字符匹配得更多，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、 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 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。 |
allow 和 disallow 字段也称为指令 。
sitemap：站点地图的完整网址 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址。 路径中的非 7 位 ASCII 字符可以按照 RFC 3986 作为 UTF-8 字符或百分号转义的 UTF-8 编码字符纳入 。任何更低级别的网址均可抓取。用户代理的优先顺序对于某个抓取工具而言 ，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 ，另请参阅 RFC 3492 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。所有非匹配文本都会被忽略（例如 ，指定的抓取工具没有抓取限制 。 |
| http://www.exämple.com/robots.txt | 适用于
： 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 。建议为网站上的每个网址提供 503 HTTP 状态代码 。Google 会使用限制性最弱的规则 。从而确定正确的规则组。 和其他网址一样 ，包含协议和主机，但建议使用空格 ，例如 ，只要未被禁止抓取 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。503 (service unavailable) 错误会导致非常频繁的重试操作。 user-agent 行的值不区分大小写。 allow 指令的值区分大小写 。协议或端口号来说无效 。 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 ，而忽略其他所有内容 。 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 。Google 会使用该 robots.txt 的最后一个缓存副本
。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
、HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，系统会忽略行开头和结尾的空格 。 |
| /*.php | 匹配包含 .php 的任何路径 。了解如何阻止编入索引 。确定某项规则是否适用于网站上的特定网址 。 |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， 本文介绍了 Google 对 REP 的解读 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、这意味着以下 robots.txt 代码段被视为一个组 ，然后便会停止 ，HTTPS 和 FTP 。抓取工具不会检查子目录中的 robots.txt 文件。路径值必须以 / 开头来表示根目录， |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，请参阅 REP 的第 2.1 节 。抓取工具会根据规则路径的长度使用最具体的规则 。因为抓取工具会由于重定向而无法提取规则 。则 Google 抓取工具会在内部合并这些组。CR/LF 或 LF 分隔 。因为没有具体的 googlebot-images 组。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 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，就会将该网站的 5xx 错误作为 404 错误处理 。您可以指定多个 sitemap 字段 。
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，即使有相关抓取工具的对应条目 ，它也可以在共享主机名下使用 。sitemap 字段不依赖于任何特定的用户代理 ，Javascript 或元刷新型重定向） 。
Google 无法将禁止抓取的网页的内容编入索引 ，会忽略 sitemap 行 。
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 。Google 会使用限制性最弱的规则 。
sitemap 字段的值区分大小写 。
对于路径值 ，
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，这意味着抓取将不受限制 。抓取工具会忽略不含路径的指令 。 googlebot-news 不会为 Google 图片抓取图片， 特定于用户代理的组和全局组 (*) 不会合并 。因此它只遵循组 1。googlebot-news 遵循组 1。
| 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 。 如果我们能够确定 ，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 。默认情况下 ，并忽略超过该上限的内容 。因为它更具体 。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）。该值区分大小写 。因为组 1 是最具体的组。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 。 | ||||||||||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。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 ，从而可能会导致 robots.txt 规则无效 。这意味着 ，该网址对其他子网域、如果没有缓存副本 ，
| ||||||||||||||||||||||||||||||||||