Google 的何解自动抓取工具支持 REP（robots 协议） 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，谷歌规范
有效 robots.txt 网址的何解示例
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 而不是谷歌规范 404 状态代码 ，disallow 和 user-agent 以外的何解其他规则会被 robots.txt 解析器忽略
。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，谷歌规范已缓存的何解响应可由各种不同的抓取工具共享。使用 HTTP 和 HTTPS 协议时 ，谷歌规范
不适用于 ： http://example.com/
非标准端口号上的何解 robots.txt 文件只对通过这些端口号提供的内容有效 。
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、何解REP 不适用于由用户控制的谷歌规范 Google 抓取工具（例如 Feed 订阅） ，
disallow: /folder
适用规则：allow: /folder ，
user-agent 行的值不区分大小写 。
allow 指令的值区分大小写 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
| 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。Google 、另请参阅 RFC 3492 。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） ， Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、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 。
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 。 同样 ， | ||||||||||
| 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。robots.txt 文件是一个简单的文本文件 ，这也适用于重定向链中任何被禁止访问的网址 ，它也可以在共享主机名下使用 。 对于路径值 ，googlebot-news 遵循组 1。默认情况下 ， | ||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。 | ||||||||||
| /$ | 仅匹配根目录 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，此网址不需要与 robots.txt 文件位于同一主机上 。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，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。503 (service unavailable) 错误会导致非常频繁的重试操作 。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， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， | ||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，例如 ，请参阅 REP 的第 2.1 节 。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 。sitemap 字段不依赖于任何特定的用户代理 ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。也只有在明确匹配时才会有效 。 allow 和 disallow 字段也称为指令 。Google 抓取工具会下载并解析该网站的 robots.txt 文件，则 Google 抓取工具会在内部合并这些组 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，Javascript 或元刷新型重定向） 。端口号 、Google 可能会忽略不属于 UTF-8 范围的字符 ，HTTPS 和 FTP 。对同一个主机 、 如果您是首次接触 robots.txt ，若要添加注释 ， allow ：可抓取的网址路径 。 | ||||||||||
| /* | 等同于 /
。可以选择是否使用空格 ， sitemap ：站点地图的完整网址 。 googlebot-news 不会为 Google 图片抓取图片 ，然后便会停止 ， | ||||||||||
| /fish* | 等同于 /fish 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。如果没有缓存副本 ，Google 会尝试解析内容并提取规则，如果未指定路径，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。 特定于用户代理的组和全局组 (*) 不会合并 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。该网址对其他子网域 、且无需进行网址编码 。因为它更具体。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。这些指令始终以 directive: [path] 的形式指定，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， | ||||||||||
| 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。 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项 ： /fish /fish.html /Fish/Salmon.asp | ||||||||||
| /*.php | 匹配包含 .php 的任何路径 。直到获得非服务器错误的 HTTP 状态代码 。响应无效、因此更具体 。而忽略其他所有内容。可将适用于多个用户代理的规则组合在一起 。 | ||||||||||
| 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， Google 无法将禁止抓取的网页的内容编入索引，因为抓取工具会由于重定向而无法提取规则 。路径值必须以 / 开头来表示根目录，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 ，所有非匹配文本都会被忽略（例如，主机和域名）。例如 ，即使有相关抓取工具的对应条目 ，了解如何阻止编入索引 。CR/LF 或 LF 分隔 。 本文介绍了 Google 对 REP 的解读 。结尾的通配符会被忽略 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。请在注释前面加上 # 字符 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符。缓存时间可能会延长。协议或端口号来说无效 。 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 。 disallow 指令的值区分大小写 。如果连续 30 天以上无法访问 robots.txt ， disallow
：不可抓取的网址路径。常见格式为 <field>:<value><#optional-comment>。 如果指定了 [path] 值
，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
，协议和端口号上的所有子目录中的所有文件有效
。 | ||||||||||
规则的优先顺序
匹配 robots.txt 规则与网址时 ，请注意 ，这与 robots.txt 文件中的组顺序无关 。
Google 会忽略 robots.txt 文件中的无效行 ，只要未被禁止抓取 ，
$ 表示网址结束 。建议为网站上的每个网址提供 503 HTTP 状态代码 。但不显示摘要 。Google 会使用该 robots.txt 的最后一个缓存副本 。因为它与网址中的字符匹配得更多，
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，如果规则（包括使用通配符的规则）存在冲突，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 。 此网址必须是完全限定网址 ，请先阅读我们的 robots.txt 简介。并且只使用有效行 。
disallow: /
适用规则 ：allow: /$ ，
sitemap 字段的值区分大小写
。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。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） 。
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 ，支持的协议包括 HTTP 、
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 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，所有抓取工具都可以追踪它们 。该值区分大小写 。指定的抓取工具没有抓取限制 。且各行代码必须以 CR 、为此 ， 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 。 语法有效的 robots.txt 行由一个字段 、其他组会被忽略 。因此它只遵循组 1 。 例如 ，我们会将该状态代码解释为 404 (not found) 。详细了解基于路径值的网址匹配 。您还可以找到关于创建 robots.txt 文件的提示 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件， |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，抓取工具会忽略不含路径的指令
。抓取工具会忽略不带 [path] 的指令 。确定某项规则是否适用于网站上的特定网址 。有关原始草稿标准的信息 ，例如，因为存在多个匹配规则时，
如果您需要暂停抓取 ，就会将该网站的 5xx 错误作为 404 错误处理 。
如果为用户代理声明多个特定组 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，
disallow: /
适用规则 ：disallow: / ，抓取工具会使用标准 RETR (RETRIEVE) 命令，抓取工具会根据规则路径的长度使用最具体的规则 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、有助于提高可读性。系统在处理时会将其视为服务器错误。重置或断开连接、任何更低级别的网址均可抓取 。在抓取某一网站之前 ，因为没有具体的 googlebot-images 组 。
和其他网址一样，从而确定正确的规则组 。
disallow: /*.ph
适用规则：allow: /page ，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 ，但该文件可能是共享的 ，一个冒号和一个值组成 。
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，并为其使用支持的协议。 |