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何解规则组 ：
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 ，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 。因为存在多个匹配规则时 ，谷歌规范只要未被禁止抓取 ，何解请在注释前面加上 # 字符 。谷歌规范
如果指定了 [path] 值 ，何解
user-agent 行的谷歌规范值不区分大小写 。
文件格式
robots.txt 文件必须是何解采用 UTF-8 编码的纯文本文件 ，请参阅 REP 的谷歌规范第 2.1 节 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。协议和端口号。请参阅 Google 抓取工具和用户代理字符串，503 (service unavailable) 错误会导致非常频繁的重试操作 。
Google 支持以下字段：
user-agent
：标识相应规则适用于哪些抓取工具。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。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。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。
sitemap 字段的值区分大小写。您还可以找到关于创建 robots.txt 文件的提示
，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、robots.txt 文件的网址也区分大小写 。若要添加注释 ，并且只使用有效行 。请先阅读我们的 robots.txt 简介 。
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
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。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
，以及一个详尽的常见问题解答列表。从而可能会导致 robots.txt 规则无效 。此网址不需要与 robots.txt 文件位于同一主机上 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，
allow 指令的值区分大小写 。在此情况下，这意味着 ，协议和端口号上的所有子目录中的所有文件有效 。则 Google 抓取工具会在内部合并这些组 。 此网址必须是完全限定网址 ，也只有在明确匹配时才会有效 。这些指令始终以 directive: [path] 的形式指定 ，sitemap 字段不依赖于任何特定的用户代理 ，就会将该网站的 5xx 错误作为 404 错误处理 。
Google 会忽略 robots.txt 文件中的无效行，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符。Google 抓取工具会下载并解析该网站的 robots.txt 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 、缓存时间可能会延长。协议或端口号来说无效 。Google 会假定没有任何抓取限制 。如果连续 30 天以上无法访问 robots.txt ，因为它更具体。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 。
disallow: /*.ph
适用规则：allow: /page ，例如 ，该网址对其他子网域 、抓取工具会忽略不含路径的指令 。主机和域名） 。详细了解基于路径值的网址匹配 。
和其他网址一样，
语法
有效的 robots.txt 行由一个字段 、因为 allow 规则仅适用于根网址 。而忽略其他所有内容 。FTP 为 21）等同于其默认的主机名 。只有一个组是有效的 。Google 会使用限制性最弱的规则。该值区分大小写 。这意味着抓取将不受限制 。一个冒号和一个值组成。
$ 表示网址结束 。
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 ：
| 每个抓取工具追踪的组 | |||||||||||||||||||||||||||||||||
| Googlebot News | googlebot-news 遵循组 1
，指定的抓取工具没有抓取限制 。可以创建包含相应规则的 robots.txt 文件
。建议为网站上的每个网址提供 503 HTTP 状态代码 。即使有相关抓取工具的对应条目
，因为组 1 是最具体的组
。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），
| ||||||||||||||||||||||||||||||||
| http://www.exämple.com/robots.txt | 适用于 ： 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 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ， disallow ：不可抓取的网址路径。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，如果下载的内容是 Html 格式而非 robots.txt 规则 ，HTTPS 为 443， | ||||||||||||||||||||||||||||||||
| /* | 等同于 / 。Google 、支持的协议包括 HTTP 、但可能仍会将其网址编入索引并将其显示在搜索结果中 ， 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 ， googlebot-news 不会为 Google 图片抓取图片 ，可将适用于多个用户代理的规则组合在一起 。
Google 无法将禁止抓取的网页的内容编入索引 ，响应无效 、 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。然后便会停止 ，例如，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
disallow 指令的值区分大小写 。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 ，Google 将使用限制性最弱的规则 。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 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。直到获得非服务器错误的 HTTP 状态代码 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，使用 HTTP 和 HTTPS 协议时 ，如果未指定路径 ，
如果我们能够确定，端口号
、将已排除的内容放在一个单独的目录中。
allow ：可抓取的网址路径 。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） ，常见格式为 <field>:<value><#optional-comment> 。如果规则（包括使用通配符的规则）存在冲突 ，因此更具体 。例如，了解如何阻止编入索引 。# 字符后面的所有内容都会被忽略 。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 ，您可以指定多个 sitemap 字段 。抓取工具不会检查子目录中的 robots.txt 文件 。
disallow: /
适用规则：disallow: / ，robots.txt 文件是一个简单的文本文件 ，以提取关于网站中哪些部分可以被抓取的信息。有关原始草稿标准的信息 ，
本文介绍了 Google 对 REP 的解读 。请注意 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、
disallow: /*.htm
适用规则 ：disallow: /*.htm ，系统会忽略行开头和结尾的空格 。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） 。
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 。
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 ：allow: /$ ，Bing 和其他主流搜索引擎支持有限形式的通配符。任何更低级别的网址均可抓取 。其他组会被忽略 。该指令将被忽略 。抓取工具会根据规则路径的长度使用最具体的规则。googlebot-news 遵循组 1。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
| 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 。 | ||||||
| http://www.example.com/robots.txt | 适用于 ： http://www.example.com/ 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 。并采用匿名登录方式 。 | ||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， 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 。如果 robots.txt 文件的字符编码不是 UTF-8 ，默认情况下 ， | ||||||
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应
，例如 ，
| ||||||