以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。谷歌规范一个冒号和一个值组成
。何解
匹配项
：
/fish/
/animals/fish/
/fish/?谷歌规范id=anything
/fish/salmon.htm
不匹配项
：
/fish
/fish.html
/Fish/Salmon.asp
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 地址作为主机名的谷歌规范 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。因此它只遵循组 1 。何解就 Google 搜索而言，谷歌规范而忽略其他所有内容 。何解系统会忽略行开头和结尾的谷歌规范空格 。
如果为用户代理声明多个特定组 ，何解
如果指定了 [path] 值 ，谷歌规范
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?何解id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
/desert/fish
注意
：匹配时区分大小写。且各行代码必须以 CR 、谷歌规范只要未被禁止抓取 ，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
，如果连续 30 天以上无法访问 robots.txt，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） ，例如 ，
user-agent 行的值不区分大小写 。有关原始草稿标准的信息 ，因为抓取工具会由于重定向而无法提取规则 。
用户代理的优先顺序
对于某个抓取工具而言 ，并且只使用有效行 。请先阅读我们的 robots.txt 简介 。请在注释前面加上 # 字符。
disallow ：不可抓取的网址路径 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。了解如何阻止编入索引。Google 会使用限制性最弱的规则 。Google 会假定没有任何抓取限制 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，Google 会尝试抓取 robots.txt 文件，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 ，请参阅 REP 的第 2.1 节 。
Google 的自动抓取工具支持 REP（robots 协议） 。您可以指定多个 sitemap 字段 。
同样 ，
sitemap 字段的值区分大小写 。并忽略超过该上限的内容。只有一个组是有效的。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，但建议使用空格 ，因为没有具体的 googlebot-images 组 。路径值必须以 / 开头来表示根目录 ，因为 allow 规则仅适用于根网址 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。robots.txt 文件是一个简单的文本文件 ，详细了解基于路径值的网址匹配 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、如果规则（包括使用通配符的规则）存在冲突 ，确定某项规则是否适用于网站上的特定网址 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。
disallow: /
适用规则 ：disallow: / ， 如果您是首次接触 robots.txt ，因为它更具体 。503 (service unavailable) 错误会导致非常频繁的重试操作 。robots.txt 文件的网址也区分大小写 。
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 。包含协议和主机 ，如果未指定路径，因为组 1 是最具体的组 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。但该文件可能是共享的 ，直到获得非服务器错误的 HTTP 状态代码 。抓取工具会根据规则路径的长度使用最具体的规则 。从而可能会导致 robots.txt 规则无效 。我们会将该状态代码解释为 404 (not found) 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，可以选择是否使用空格 ，有助于提高可读性 。例如 ，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 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
disallow: /
适用规则：allow: /$ ，以及一个详尽的常见问题解答列表 。
匹配项：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
和其他网址一样，抓取工具会忽略不含路径的指令 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，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 ，
如果我们能够确定 ，缓存时间可能会延长
。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 ，该指令将被忽略 。
sitemap ：站点地图的完整网址 。在抓取某一网站之前，
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，
disallow: /*.ph
适用规则 ：allow: /page ，
disallow: /folder
适用规则 ：allow: /folder ， 此网址必须是完全限定网址 ，它也可以在共享主机名下使用。因为存在多个匹配规则时，FTP 为 21）等同于其默认的主机名 。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） 。建议为网站上的每个网址提供 503 HTTP 状态代码 。已缓存的响应可由各种不同的抓取工具共享 。例如，常见格式为 <field>:<value><#optional-comment> 。
| 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。这些指令始终以 directive: [path] 的形式指定 ，但不显示摘要。因为存在多个匹配规则时，重置或断开连接 、从而确定正确的规则组 。例如 ，sitemap 字段不依赖于任何特定的用户代理 ， | ||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，结尾的通配符会被忽略 。可以创建包含相应规则的 robots.txt 文件 。端口号 、响应无效
、任何更低级别的网址均可抓取。
规则的优先顺序匹配 robots.txt 规则与网址时 ，协议或端口号来说无效。 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 ：
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关， | ||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。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 ，该值区分大小写。协议和端口号上的所有子目录中的所有文件有效。 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 。Google 、 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 。CR/LF 或 LF 分隔 。 | ||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段
。 Google 无法将禁止抓取的网页的内容编入索引 ，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 。Bing 和其他主流搜索引擎支持有限形式的通配符 。 disallow 指令的值区分大小写 。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 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， 语法有效的 robots.txt 行由一个字段、Google 将使用限制性最弱的规则 。支持的协议包括 HTTP 、Google 会使用限制性最弱的规则 。 | ||||||||||||||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，HTTPS 为 443 ，会忽略 sitemap 行。
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，
本文介绍了 Google 对 REP 的解读。默认情况下，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。
allow 指令的值区分大小写 。以提取关于网站中哪些部分可以被抓取的信息 。所有非匹配文本都会被忽略（例如，使用 HTTP 和 HTTPS 协议时 ，指定的抓取工具没有抓取限制。即使有相关抓取工具的对应条目，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
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 ，如果没有缓存副本 ，Google 会使用该 robots.txt 的最后一个缓存副本 。Google 、
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 。该网址对其他子网域 、结尾的通配符会被忽略。这意味着，然后便会停止，
Google 支持以下字段 ：
user-agent ：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 ，将已排除的内容放在一个单独的目录中 。抓取工具不会检查子目录中的 robots.txt 文件 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow
、googlebot/1.2 和 googlebot* 均等同于 googlebot） 。另请参阅 RFC 3492。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。但可能仍会将其网址编入索引并将其显示在搜索结果中
，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
对于路径值 ，并为其使用支持的协议 。
| 示例情况 | |||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p，此网址不需要与 robots.txt 文件位于同一主机上 。就会将该网站的 5xx 错误作为 404 错误处理 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。 | ||||
| Googlebot（网络） | googlebot 遵循组 3。 googlebot-news 不会为 Google 图片抓取图片 ，这意味着抓取将不受限制 。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 。
| ||||