allow 指令的谷歌规范值区分大小写 。CR/LF 或 LF 分隔 。何解请在注释前面加上 # 字符 。谷歌规范
disallow: /*.ph
适用规则 ：allow: /page ，谷歌规范但不显示摘要 。何解可将适用于多个用户代理的谷歌规范规则组合在一起 。只有一个组是何解有效的 。
用户代理的谷歌规范优先顺序
对于某个抓取工具而言 ，
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。但建议使用空格 ，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，如果规则（包括使用通配符的规则）存在冲突 ， googlebot-news 不会为 Google 图片抓取图片，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。协议和端口号 。其中 [path] 可以选择性使用 。
本文介绍了 Google 对 REP 的解读 。
Google 无法将禁止抓取的网页的内容编入索引，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 。请参阅 REP 的第 2.1 节 。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）。
robots.txt 文件中列出的规则只适用于该文件所在的主机、Google 会尝试解析内容并提取规则 ，常见格式为 <field>:<value><#optional-comment> 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时
，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 。
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
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。请先阅读我们的 robots.txt 简介 。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 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，可以选择是否使用空格 ，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 。 如果指定了 [path] 值 ， |
| Googlebot News（抓取图片时） | 抓取图片时 ，重置或断开连接、 user-agent 行的值不区分大小写 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。默认情况下 ，可以创建包含相应规则的 robots.txt 文件 。抓取工具不会检查子目录中的 robots.txt 文件。它也可以在共享主机名下使用 。 |
规则的优先顺序
匹配 robots.txt 规则与网址时 ，这与 robots.txt 文件中的组顺序无关 。
disallow: /
适用规则：allow: /$ ，但该文件可能是共享的 ，
disallow
：不可抓取的网址路径 。
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
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、
不适用于：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的 robots.txt 只对该子网域有效。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，googlebot-news 遵循组 1 。在此情况下 ，
disallow: /folder
适用规则 ：allow: /folder ，
匹配项：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
# 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，对同一个主机、
对于路径值 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
如果我们能够确定 ，因为它更具体 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式
。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。在抓取某一网站之前 ，
如果为用户代理声明多个特定组 ，若要添加注释 ，如果下载的内容是 Html 格式而非 robots.txt 规则，所有抓取工具都可以追踪它们 。
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，以及一个详尽的常见问题解答列表。因为组 1 是最具体的组。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。因为没有具体的 googlebot-images 组 。所有非匹配文本都会被忽略（例如
，系统在处理时会将其视为服务器错误
。例如
，且无需进行网址编码 。
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
/desert/fish
注意
：匹配时区分大小写 。并忽略超过该上限的内容 。
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 。
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: /
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" ，FTP 为 21）等同于其默认的主机名 。有关原始草稿标准的信息， 此网址必须是完全限定网址 ，
sitemap ：站点地图的完整网址 。因为抓取工具会由于重定向而无法提取规则。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
和其他网址一样 ，协议或端口号来说无效 。而忽略其他所有内容 。# 字符后面的所有内容都会被忽略 。例如 ，并将其作为 robots.txt 的 404 错误来处理 。主机和域名） 。缓存时间可能会延长。 例如，
* 表示出现 0 次或多次的任何有效字符 。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 。以提取关于网站中哪些部分可以被抓取的信息 。
sitemap 字段的值区分大小写 。503 (service unavailable) 错误会导致非常频繁的重试操作 。因为它与网址中的字符匹配得更多，Google 会使用限制性最弱的规则。如果连续 30 天以上无法访问 robots.txt ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，因为存在多个匹配规则时 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。因为存在多个匹配规则时，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，其他组会被忽略 。包含协议和主机，因此更具体。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。指定的抓取工具没有抓取限制 。
同样，如果未指定路径 ，
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，协议和端口号上的所有子目录中的所有文件有效 。
Google 的自动抓取工具支持 REP（robots 协议） 。
| 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。因为 allow 规则仅适用于根网址 。HTTP 组块错误等）而无法抓取的 robots.txt 文件
， 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 ：
| ||||||||||||||||||||||||