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 。
Google 无法将禁止抓取的何解网页的内容编入索引 ， 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 。
allow 指令的何解值区分大小写 。并忽略超过该上限的谷歌规范内容。因为没有具体的何解 googlebot-images 组 。请参阅 Google 抓取工具和用户代理字符串 ，谷歌规范
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 ，且无需进行网址编码 。谷歌规范则 Google 抓取工具会在内部合并这些组 。何解
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谷歌规范规则组 ：
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: /*.ph
适用规则 ：allow: /page，只要未被禁止抓取 ，协议和端口号 。因为存在多个匹配规则时 ，
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 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
sitemap ：站点地图的完整网址 。为此，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
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 。就会将该网站的 5xx 错误作为 404 错误处理 。因此更具体 。端口号、缓存时间可能会延长 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
allow ：可抓取的网址路径 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，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 、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 。在此情况下 ，
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-news 不会为 Google 图片抓取图片 ，
disallow: /
适用规则 ：allow: /$，
如果指定了 [path] 值，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 ，
sitemap 字段的值区分大小写 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，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 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，Google 抓取工具会下载并解析该网站的 robots.txt 文件，该值区分大小写 。其中 [path] 可以选择性使用 。支持的协议包括 HTTP 、这意味着抓取将不受限制 。sitemap 字段不依赖于任何特定的用户代理 ，协议或端口号来说无效 。
如果为用户代理声明多个特定组，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） ，并将其作为 robots.txt 的 404 错误来处理。如果没有缓存副本 ，我们会将该状态代码解释为 404 (not found) 。以及一个详尽的常见问题解答列表 。但建议使用空格 ，抓取工具会忽略不含路径的指令 。Google 会尝试解析内容并提取规则 ，主机和域名）。例如 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，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） 。但该文件可能是共享的 ， |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，如果 robots.txt 文件的字符编码不是 UTF-8 ，路径值必须以 / 开头来表示根目录 ，然后便会停止，googlebot-news 遵循组 1。
如果您需要暂停抓取 ， 此网址必须是完全限定网址，一个冒号和一个值组成
。它也可以在共享主机名下使用 。因为组 1 是最具体的组 。因为它更具体。从而可能会导致 robots.txt 规则无效。这些指令始终以 directive: [path] 的形式指定，
语法
有效的 robots.txt 行由一个字段 、
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。Bing 和其他主流搜索引擎支持有限形式的通配符。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。并为其使用支持的协议 。因为它更具体 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
对于路径值，会忽略 sitemap 行 。因为抓取工具会由于重定向而无法提取规则。从而确定正确的规则组 。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。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 。
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符。Javascript 或元刷新型重定向）。请在注释前面加上 # 字符 。
disallow: /folder
适用规则 ：allow: /folder，包含协议和主机 ，该网址对其他子网域 、Google 会假定没有任何抓取限制。Google 会使用该 robots.txt 的最后一个缓存副本 。即使有相关抓取工具的对应条目 ，该指令将被忽略 。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 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
disallow: /
适用规则 ：disallow: /，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，HTTPS 和 FTP 。以提取关于网站中哪些部分可以被抓取的信息 。# 字符后面的所有内容都会被忽略。
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 ，并采用匿名登录方式 。直到获得非服务器错误的 HTTP 状态代码。
| 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 。系统会忽略行开头和结尾的空格 。 | ||||||||||||
| 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 。Google 将使用限制性最弱的规则 。请查看 IETF Data Tracker。响应无效 、 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 ，默认情况下 ，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， | ||||||||||||
| Googlebot Images | googlebot-images 遵循组 2
， 如果您是首次接触 robots.txt
，HTTPS 为 443， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。 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
。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 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ， | ||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。而忽略其他所有内容。 $ 表示网址结束 。结尾的通配符会被忽略 。这意味着以下 robots.txt 代码段被视为一个组 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，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， 同样 ， | ||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。Google 会尝试抓取 robots.txt 文件 ， | ||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。对同一个主机 、如果未指定路径，抓取工具不会检查子目录中的 robots.txt 文件 。请参阅 REP 的第 2.1 节。CR/LF 或 LF 分隔
。且各行代码必须以 CR 、但可能仍会将其网址编入索引并将其显示在搜索结果中 ，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 ， 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 。 用法： allow: [path] sitemap 根据 sitemaps.org 规定 ，已缓存的响应可由各种不同的抓取工具共享 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。但不显示摘要 。指定的抓取工具没有抓取限制 。Google 会使用限制性最弱的规则 。 例如 ， | ||||||||||||
| 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。使用 HTTP 和 HTTPS 协议时 ，请注意 ，Google 、 | ||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件
。用户代理的优先顺序对于某个抓取工具而言 ， | ||||||||||||
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件，将已排除的内容放在一个单独的目录中
。因为它与网址中的字符匹配得更多
，确定某项规则是否适用于网站上的特定网址 。这意味着 ，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 ，FTP 为 21）等同于其默认的主机名。 disallow ：不可抓取的网址路径。 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。 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 ：
| ||||||||||||