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
，
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
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、何解 googlebot-news 不会为 Google 图片抓取图片 ，谷歌规范disallow 和 user-agent 以外的何解其他规则会被 robots.txt 解析器忽略 。在此情况下 ，谷歌规范例如，何解HTTP 组块错误等）而无法抓取的谷歌规范 robots.txt 文件 ，然后便会停止，何解可以创建包含相应规则的谷歌规范 robots.txt 文件 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，何解请先阅读我们的谷歌规范 robots.txt 简介 。它也可以在共享主机名下使用 。何解详细了解基于路径值的谷歌规范网址匹配 。
allow ：可抓取的网址路径。因为没有具体的 googlebot-images 组 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。请参阅 Google 抓取工具和用户代理字符串 ，端口号 、系统会忽略行开头和结尾的空格 。Google 可能会忽略不属于 UTF-8 范围的字符，Bing 和其他主流搜索引擎支持有限形式的通配符 。Google 将使用限制性最弱的规则 。这也适用于重定向链中任何被禁止访问的网址 ，默认情况下，
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，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
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 的自动抓取工具支持 REP（robots 协议）。协议和端口号上的所有子目录中的所有文件有效 。因为组 1 是最具体的组 。Google 、这些通配符包括：
* 表示出现 0 次或多次的任何有效字符 。
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 ，因为存在多个匹配规则时 ，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 。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 ，
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 。若要添加注释 ，
如果您需要暂停抓取 ，FTP 为 21）等同于其默认的主机名 。robots.txt 文件是一个简单的文本文件 ，
本文介绍了 Google 对 REP 的解读 。这意味着抓取将不受限制
。这与 robots.txt 文件中的组顺序无关 。所有抓取工具都可以追踪它们。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，协议或端口号来说无效 。抓取工具会使用标准 RETR (RETRIEVE) 命令，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 。并为其使用支持的协议
。抓取工具会忽略不带 [path] 的指令 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、直到获得非服务器错误的 HTTP 状态代码
。Google 会使用限制性最弱的规则
。如果 robots.txt 文件的字符编码不是 UTF-8，会忽略 sitemap 行。
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。抓取工具会根据规则路径的长度使用最具体的规则。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， $ 表示网址结束 。 sitemap 字段的值区分大小写 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，
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 。Google 抓取工具会下载并解析该网站的 robots.txt 文件
，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项
：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
| 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。就 Google 搜索而言 ，例如，所有非匹配文本都会被忽略（例如，即使有相关抓取工具的对应条目 ， 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。HTTPS 为 443 ，并且只使用有效行 。支持的协议包括 HTTP 、因为 allow 规则仅适用于根网址 。一个冒号和一个值组成。只要未被禁止抓取 ，指定的抓取工具没有抓取限制 。抓取工具会忽略不含路径的指令 。 语法有效的 robots.txt 行由一个字段 、 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，任何更低级别的网址均可抓取 。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 ，
Google 会忽略 robots.txt 文件中的无效行 ，
allow 和 disallow 字段也称为指令 。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 ，请参阅 REP 的第 2.1 节。因为抓取工具会由于重定向而无法提取规则 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。此网址不需要与 robots.txt 文件位于同一主机上 。
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
用户代理的优先顺序
对于某个抓取工具而言 ，路径值必须以 / 开头来表示根目录 ，
disallow: /
适用规则 ：allow: /$ ，
disallow: /
适用规则：disallow: / ，从而确定正确的规则组 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，则 Google 抓取工具会在内部合并这些组 。重置或断开连接 、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 ，
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，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。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 无法将禁止抓取的网页的内容编入索引 ，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 ，响应无效 、系统在处理时会将其视为服务器错误 。Google 、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） ，抓取工具不会检查子目录中的 robots.txt 文件。了解如何阻止编入索引 。有关原始草稿标准的信息 ，如果未指定路径 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。Google 会假定没有任何抓取限制 。缓存时间可能会延长 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，您还可以找到关于创建 robots.txt 文件的提示 ，有助于提高可读性。HTTPS 和 FTP 。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 ，因为存在多个匹配规则时 ，为此 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。
如果为用户代理声明多个特定组 ，
disallow 指令的值区分大小写。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。该网址对其他子网域 、 如果您是首次接触 robots.txt ， 例如 ，您可以指定多个 sitemap 字段 。
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 。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）。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。对同一个主机、
disallow: /folder
适用规则：allow: /folder，
user-agent 行的值不区分大小写 。
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
disallow ：不可抓取的网址路径 。例如 ，从而可能会导致 robots.txt 规则无效 。但建议使用空格 ，
和其他网址一样 ，
| 路径匹配示例 | |||||||||||||||
| / | 匹配根目录以及任何下级网址 。如果没有缓存副本， 对于路径值，也只有在明确匹配时才会有效
。 sitemap ：站点地图的完整网址
。常见格式为 <field>:<value><#optional-comment>。包含协议和主机，例如，其中 [path] 可以选择性使用
。 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 。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 。系统会将相应规则与抓取工具尝试抓取的网址的路径部分进行比较 。且各行代码必须以 CR 、 | ||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page，而忽略其他所有内容。确定某项规则是否适用于网站上的特定网址 。并将其作为 robots.txt 的 404 错误来处理。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。在抓取某一网站之前 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，因此更具体 。 | ||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ， | ||||||||||||||
| /$ | 仅匹配根目录 。googlebot-news 遵循组 1
。
| ||||||||||||||