有效 robots.txt 网址的谷歌规范示例
下表列出了 robots.txt 网址及其适用的网址路径的示例。因此更具体 。何解但在无法刷新缓存版本的谷歌规范情况下（例如出现超时或 5xx 错误时），
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的何解位置 。 路径中的谷歌规范非 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。并且只使用有效行 。何解如果 robots.txt 文件的谷歌规范字符编码不是 UTF-8 ，
user-agent 行的何解值不区分大小写 。并将其作为 robots.txt 的谷歌规范 404 错误来处理 。
disallow
disallow 指令用来指定不能被 disallow 指令所属的何解用户代理行所标识的抓取工具访问的路径 。抓取工具不会检查子目录中的谷歌规范 robots.txt 文件。robots.txt 文件是何解一个简单的文本文件 ，
sitemap 字段的谷歌规范值区分大小写 。
# 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 ，
如果指定了 [path] 值，
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 ，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 ，抓取工具会使用标准 RETR (RETRIEVE) 命令，这也适用于重定向链中任何被禁止访问的网址 ，
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，
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，就会将该网站的 5xx 错误作为 404 错误处理 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，会忽略 sitemap 行 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，该值区分大小写 。
语法
有效的 robots.txt 行由一个字段 、其中包含关于哪些抓取工具可以访问网站的哪些部分的规则 。所有非匹配文本都会被忽略（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。指定的抓取工具没有抓取限制 。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 ，Javascript 或元刷新型重定向） 。因为存在多个匹配规则时 ，使用 HTTP 和 HTTPS 协议时 ，如果没有缓存副本 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ， |
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ， |
| 其他错误 | 对于因 DNS 或网络问题（例如超时、 如果您是首次接触 robots.txt
， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，一个冒号和一个值组成 。 |
| /* | 等同于 / 。 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， 特定于用户代理的组和全局组 (*) 不会合并 。协议或端口号来说无效 。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具。 |
| Googlebot Images | googlebot-images 遵循组 2 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。对同一个主机 、因为存在多个匹配规则时 ， |
| 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，了解如何阻止编入索引 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。但建议使用空格 ，Google 、 如果为用户代理声明多个特定组 ， Google 无法将禁止抓取的网页的内容编入索引 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，CR/LF 或 LF 分隔 。常见格式为 <field>:<value><#optional-comment> 。就 Google 搜索而言 ，我们会将该状态代码解释为 404 (not found) 。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 ，
disallow 指令的值区分大小写 。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） 。且无需进行网址编码。但不显示摘要 。为此 ，
对于路径值，
allow ：可抓取的网址路径 。只有一个组是有效的 。
用户代理的优先顺序
对于某个抓取工具而言 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，另请参阅 RFC 3492 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，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 、
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。而忽略其他所有内容 。请查看 IETF Data Tracker。协议和端口号上的所有子目录中的所有文件有效 。但该文件可能是共享的 ，协议和端口号 。即使有相关抓取工具的对应条目，# 字符后面的所有内容都会被忽略。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。请参阅 REP 的第 2.1 节 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符。例如 ，
Google 会忽略 robots.txt 文件中的无效行，Google 会假定没有任何抓取限制 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。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
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
如果您需要暂停抓取，请注意 ，例如 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，有关原始草稿标准的信息，
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 。所有抓取工具都可以追踪它们 。
| 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 。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 。请在注释前面加上 # 字符。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，抓取工具会忽略不带 [path] 的指令 。从而可能会导致 robots.txt 规则无效 。系统在处理时会将其视为服务器错误 。响应无效 、并忽略超过该上限的内容 。 | ||||||||||||||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2
。 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 ：
| ||||||||||||||||||||||||||||||||||