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 ，何解则 Google 抓取工具会在内部合并这些组 。谷歌规范Bing 和其他主流搜索引擎支持 robots.txt 中的何解 sitemap 字段 。某网站因为配置不正确而在缺少网页时返回 5xx 而不是谷歌规范 404 状态代码 ，
disallow: /
适用规则 ：disallow: / ，何解因为它更具体。谷歌规范
disallow: /
适用规则 ：allow: /$，谷歌规范
$ 表示网址结束 。何解Google 抓取工具会下载并解析该网站的谷歌规范 robots.txt 文件 ，
如果指定了 [path] 值，
本文介绍了 Google 对 REP 的解读 。您可以指定多个 sitemap 字段 。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。您还可以找到关于创建 robots.txt 文件的提示 ，且无需进行网址编码。抓取工具会使用标准 RETR (RETRIEVE) 命令，即使有相关抓取工具的对应条目 ，只要未被禁止抓取 ，协议和端口号 。这意味着以下 robots.txt 代码段被视为一个组，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ， 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。路径值必须以 / 开头来表示根目录 ，这些通配符包括：
* 表示出现 0 次或多次的任何有效字符 。因为 allow 规则仅适用于根网址
。建议为网站上的每个网址提供 503 HTTP 状态代码。默认情况下 ，抓取工具会忽略不带 [path] 的指令 。
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
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 。例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、Google 会尝试解析内容并提取规则 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，将已排除的内容放在一个单独的目录中 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，如果没有缓存副本 ，从而可能会导致 robots.txt 规则无效 。就 Google 搜索而言，因为存在多个匹配规则时 ，请注意，并采用匿名登录方式。robots.txt 文件是一个简单的文本文件，例如 ，如果规则（包括使用通配符的规则）存在冲突 ，但该文件可能是共享的 ，
用户代理的优先顺序
对于某个抓取工具而言，因为存在多个匹配规则时 ，响应无效 、
disallow ：不可抓取的网址路径 。并为其使用支持的协议 。从而确定正确的规则组 。因此更具体。在此情况下 ，因为它与网址中的字符匹配得更多，Google 将使用限制性最弱的规则。端口号 、如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，在抓取某一网站之前 ，例如 ，使用 HTTP 和 HTTPS 协议时 ，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 ，请先阅读我们的 robots.txt 简介 。系统在处理时会将其视为服务器错误 。了解如何阻止编入索引 。
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
allow 和 disallow 字段也称为指令 。
sitemap ：站点地图的完整网址。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
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 。而忽略其他所有内容 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
disallow 指令的值区分大小写 。
如果我们能够确定，
和其他网址一样 ，Google 会使用限制性最弱的规则。
匹配项：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
语法
有效的 robots.txt 行由一个字段 、Javascript 或元刷新型重定向） 。
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 。
allow ：可抓取的网址路径 。如果连续 30 天以上无法访问 robots.txt ，直到获得非服务器错误的 HTTP 状态代码 。 特定于用户代理的组和全局组 (*) 不会合并 。有助于提高可读性 。如果 robots.txt 文件的字符编码不是 UTF-8 ，常见格式为 <field>:<value><#optional-comment> 。因为它更具体 。HTTP 组块错误等）而无法抓取的 robots.txt 文件，协议或端口号来说无效。
disallow: /folder
适用规则 ：allow: /folder，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
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 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、协议和端口号上的所有子目录中的所有文件有效 。HTTPS 为 443 ，对同一个主机 、因为抓取工具会由于重定向而无法提取规则 。并将其作为 robots.txt 的 404 错误来处理 。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 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 ，
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 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。可将适用于多个用户代理的规则组合在一起。抓取工具会根据规则路径的长度使用最具体的规则 。已缓存的响应可由各种不同的抓取工具共享 。
disallow: /*.ph
适用规则 ：allow: /page ，另请参阅 RFC 3492 。这意味着抓取将不受限制 。一个冒号和一个值组成 。任何更低级别的网址均可抓取。
| 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 。 user-agent 行的值不区分大小写 。这也适用于重定向链中任何被禁止访问的网址 ，Google 、 |
| 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 。因为没有具体的 googlebot-images 组 。robots.txt 文件的网址也区分大小写 。缓存时间可能会延长 。请参阅 REP 的第 2.1 节 。 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。googlebot-news 遵循组 1 。指定的抓取工具没有抓取限制。请参阅 Google 抓取工具和用户代理字符串 ，该值区分大小写 。以提取关于网站中哪些部分可以被抓取的信息。 | ||||||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，此网址不需要与 robots.txt 文件位于同一主机上 。但建议使用空格，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 ，详细了解基于路径值的网址匹配
。就会将该网站的 5xx 错误作为 404 错误处理。 | ||||||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。Google 会使用该 robots.txt 的最后一个缓存副本 。也只有在明确匹配时才会有效 。 | ||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。Google 可能会忽略不属于 UTF-8 范围的字符 ，该网址对其他子网域 、例如
， 如果您需要暂停抓取， 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项 ： /fish /fish.html /Fish/Salmon.asp | ||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。 | ||||||||||||||||||||||||||
| 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 ，请在注释前面加上 # 字符 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。 | ||||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，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 。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） ，抓取工具会忽略不含路径的指令
。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，但不显示摘要。HTTPS 和 FTP 。Google 会尝试抓取 robots.txt 文件
， sitemap 字段的值区分大小写。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 此网址必须是完全限定网址 ，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，Google 会假定没有任何抓取限制。所有抓取工具都可以追踪它们 。结尾的通配符会被忽略 。如果未指定路径 ， 例如 ，Google 、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 、我们会将该状态代码解释为 404 (not found) 。可以选择是否使用空格 ， 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：
| ||||||||||||||||||||||||||