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 。FTP 为 21）等同于其默认的何解主机名 。Google 可能会忽略不属于 UTF-8 范围的谷歌规范字符 ，
http://www.exämple.com/
http://xn--exmple-cua.com/
不适用于 ：
http://www.example.com/
IDN 等同于其对应的何解 Punycode 版本 。但不显示摘要。谷歌规范
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，谷歌规范包含协议和主机 ，何解直到获得非服务器错误的谷歌规范 HTTP 状态代码 。有助于提高可读性 。何解这意味着抓取将不受限制。谷歌规范因此它只遵循组 1 。
如果指定了 [path] 值 ，因为它更具体。
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 ，结尾的通配符会被忽略。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ， disallow ：不可抓取的网址路径 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。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，可以创建包含相应规则的 robots.txt 文件 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。所有非匹配文本都会被忽略（例如，
disallow: /
适用规则 ：allow: /$ ，
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 。该指令将被忽略 。Google、例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、并将其作为 robots.txt 的 404 错误来处理 。 例如 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、Bing 和其他主流搜索引擎支持有限形式的通配符。例如 ，重置或断开连接、例如，只要未被禁止抓取 ，
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 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，端口号 、CR/LF 或 LF 分隔 。
allow 指令的值区分大小写 。并为其使用支持的协议 。路径值必须以 / 开头来表示根目录 ，
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，
Google 的自动抓取工具支持 REP（robots 协议）。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，为此 ，并采用匿名登录方式 。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） 。如果 robots.txt 文件的字符编码不是 UTF-8，即使有相关抓取工具的对应条目 ，您可以指定多个 sitemap 字段 。
disallow: /*.ph
适用规则 ：allow: /page，
Google 会忽略 robots.txt 文件中的无效行，协议和端口号上的所有子目录中的所有文件有效。常见格式为 <field>:<value><#optional-comment> 。例如 ，
disallow 指令的值区分大小写。并忽略超过该上限的内容。
本文介绍了 Google 对 REP 的解读。
如果为用户代理声明多个特定组 ，将已排除的内容放在一个单独的目录中 。如果规则（包括使用通配符的规则）存在冲突 ，缓存时间可能会延长 。
disallow: /
适用规则：disallow: / ，建议为网站上的每个网址提供 503 HTTP 状态代码 。
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 ，则 Google 抓取工具会在内部合并这些组 。
| 示例情况 | |||||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ， sitemap 字段的值区分大小写 。 用户代理的优先顺序对于某个抓取工具而言 ，就 Google 搜索而言， | ||||||||
| 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 ， | ||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、这意味着以下 robots.txt 代码段被视为一个组 ，因为存在多个匹配规则时
，Google 会使用限制性最弱的规则 。Google 会尝试抓取 robots.txt 文件， 同样 ，例如， | ||||||||
| Googlebot（网络） | googlebot 遵循组 3
。但建议使用空格 ，
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 。请注意 ，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 。robots.txt 文件的网址也区分大小写 。系统会忽略行开头和结尾的空格。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，请在注释前面加上 # 字符 。 googlebot-news 不会为 Google 图片抓取图片 ，请参阅 REP 的第 2.1 节 。确定某项规则是否适用于网站上的特定网址。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 | ||||||||
| http://example.com:8181/robots.txt | 适用于 ： http://example.com:8181/ 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 。请参阅 Google 抓取工具和用户代理字符串 ， 对于路径值，Google 将使用限制性最弱的规则。支持的协议包括 HTTP 、这也适用于重定向链中任何被禁止访问的网址 ，其他组会被忽略 。robots.txt 文件是一个简单的文本文件 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。我们会将该状态代码解释为 404 (not found) 。结尾的通配符会被忽略 。响应无效 、以提取关于网站中哪些部分可以被抓取的信息 。Google 会假定没有任何抓取限制 。 sitemap ：站点地图的完整网址。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 ，Javascript 或元刷新型重定向） 。此网址不需要与 robots.txt 文件位于同一主机上。且无需进行网址编码。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置。503 (service unavailable) 错误会导致非常频繁的重试操作 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。 特定于用户代理的组和全局组 (*) 不会合并 。详细了解基于路径值的网址匹配 。并且只使用有效行 。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 ， 如果您是首次接触 robots.txt
， | ||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。因为存在多个匹配规则时
，您还可以找到关于创建 robots.txt 文件的提示 ，其中 [path] 可以选择性使用 。然后便会停止， 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 。已缓存的响应可由各种不同的抓取工具共享 。从而可能会导致 robots.txt 规则无效 。 | ||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm，默认情况下 ， 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。因为它与网址中的字符匹配得更多，请先阅读我们的 robots.txt 简介 。
规则的优先顺序匹配 robots.txt 规则与网址时，googlebot-news 遵循组 1 。该网址对其他子网域 、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） ， 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 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。 | ||||||||
| 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 。抓取工具会忽略不带 [path] 的指令 。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 ，就会将该网站的 5xx 错误作为 404 错误处理。抓取工具会根据规则路径的长度使用最具体的规则 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 | ||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，这与 robots.txt 文件中的组顺序无关 。该值区分大小写。如果未指定路径，如果没有缓存副本 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ， $ 表示网址结束 。Google 会尝试解析内容并提取规则 ，有关原始草稿标准的信息 ， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。抓取工具会忽略不含路径的指令 。
| ||||||||