这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。谷歌规范Google 会假定没有任何抓取限制。何解这些通配符包括 ：
* 表示出现 0 次或多次的谷歌规范任何有效字符 。
Google 不会跟踪 robots.txt 文件中的谷歌规范逻辑重定向（框架 、并且只使用有效行。何解可以选择是谷歌规范否使用空格 ，
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 ，有关原始草稿标准的信息 ，请注意 ，
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 。
语法
有效的 robots.txt 行由一个字段 、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， 特定于用户代理的组和全局组 (*) 不会合并 。系统在处理时会将其视为服务器错误 。包含协议和主机 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，Google、
allow 和 disallow 字段也称为指令。
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 。例如 ，该指令将被忽略 。Google 会尝试解析内容并提取规则 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，因为没有具体的 googlebot-images 组 。
Google 无法将禁止抓取的网页的内容编入索引 ，并忽略超过该上限的内容 。但不显示摘要 。因为它与网址中的字符匹配得更多 ，
用户代理的优先顺序
对于某个抓取工具而言 ，因此更具体 。您可以指定多个 sitemap 字段。
user-agent 行的值不区分大小写。
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 ，支持的协议包括 HTTP、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 。
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 ，# 字符后面的所有内容都会被忽略。为此，确定某项规则是否适用于网站上的特定网址 。Google 会使用限制性最弱的规则 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。
disallow 指令的值区分大小写 。这也适用于重定向链中任何被禁止访问的网址 ，
和其他网址一样 ，也只有在明确匹配时才会有效 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。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 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，就会将该网站的 5xx 错误作为 404 错误处理 。请参阅 Google 抓取工具和用户代理字符串 ，一个冒号和一个值组成 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
sitemap ：站点地图的完整网址 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。如果 robots.txt 文件的字符编码不是 UTF-8，
本文介绍了 Google 对 REP 的解读。请在注释前面加上 # 字符 。因为存在多个匹配规则时，
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 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。即使有相关抓取工具的对应条目 ，Javascript 或元刷新型重定向） 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、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 、并采用匿名登录方式。抓取工具会忽略不带 [path] 的指令 。所有非匹配文本都会被忽略（例如 ，robots.txt 文件是一个简单的文本文件 ，HTTPS 和 FTP。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
对于路径值 ，对同一个主机 、
disallow: /
适用规则 ：allow: /$ ，只要未被禁止抓取 ，sitemap 字段不依赖于任何特定的用户代理 ，以提取关于网站中哪些部分可以被抓取的信息 。
| 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 。我们会将该状态代码解释为 404 (not found) 。此网址不需要与 robots.txt 文件位于同一主机上。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，了解如何阻止编入索引 。
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 。抓取工具会根据规则路径的长度使用最具体的规则 。使用 HTTP 和 HTTPS 协议时，
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
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
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
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，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 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，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 。这些指令始终以 directive: [path] 的形式指定 ，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 ，这意味着以下 robots.txt 代码段被视为一个组 ，从而确定正确的规则组 。
disallow: /
适用规则：disallow: / ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。默认情况下 ，CR/LF 或 LF 分隔 。Bing 和其他主流搜索引擎支持有限形式的通配符 。可以创建包含相应规则的 robots.txt 文件 。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 ：可抓取的网址路径
。另请参阅 RFC 3492。Google 将使用限制性最弱的规则 。
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，
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 ，例如，将已排除的内容放在一个单独的目录中 。503 (service unavailable) 错误会导致非常频繁的重试操作 。 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder，Google 会使用该 robots.txt 的最后一个缓存副本。然后便会停止 ，端口号、 如果我们能够确定，详细了解基于路径值的网址匹配 。 |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page，例如 ， 匹配项： /filename.php /folder/filename.php 不匹配项： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。任何更低级别的网址均可抓取。 |
| /fish | 匹配以 /fish 开头的任何路径 。Google 会尝试抓取 robots.txt 文件 ， |
| /* | 等同于 /。结尾的通配符会被忽略 。 如果指定了 [path] 值 ， |
| http://example.com/robots.txt | 适用于 ： http://example.com:80/ http://example.com/ 不适用于 ： http://example.com:81/ 标准端口号（HTTP 为 80 ， sitemap 字段的值区分大小写。 googlebot-news 不会为 Google 图片抓取图片， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
| 示例情况 | |||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，这意味着抓取将不受限制 。Google 会使用限制性最弱的规则 。 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 。协议和端口号上的所有子目录中的所有文件有效。结尾的通配符会被忽略 。Google、从而可能会导致 robots.txt 规则无效 。所有抓取工具都可以追踪它们 。协议和端口号 。直到获得非服务器错误的 HTTP 状态代码。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 ，
| ||||||||||||||||||||||