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，该路径值就是谷歌规范 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议 、抓取工具会使用标准 RETR (RETRIEVE) 命令 ，何解抓取工具会忽略不带 [path] 的谷歌规范指令 。Google 会使用限制性最弱的何解规则 。example.com 的谷歌规范 robots.txt 文件可能如下所示 ：
# 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，从而确定正确的何解规则组。系统会忽略行开头和结尾的谷歌规范空格 。端口号、何解您还可以找到关于创建 robots.txt 文件的谷歌规范提示 ，另请参阅 RFC 3492 。何解默认情况下 ，谷歌规范因为它更具体 。何解如果返回 5xx 状态代码的谷歌规范网页上的错误消息为"找不到网页" ，例如 ，Google 会尝试解析内容并提取规则，
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， 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 。 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 | ||||||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容。并采用匿名登录方式
。如果没有缓存副本 ， 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 。 | ||||||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，如果未指定路径 ， 和其他网址一样
，Google 抓取工具会下载并解析该网站的 robots.txt 文件
， | ||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径
。 对于路径值 ， 如果指定了 [path] 值，结尾的通配符会被忽略 。 $ 表示网址结束 。FTP 为 21）等同于其默认的主机名 。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关，一个冒号和一个值组成 。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 。因为它更具体 。响应无效 、 语法有效的 robots.txt 行由一个字段、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 。有关原始草稿标准的信息 ，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、Google 会使用限制性最弱的规则 。但不显示摘要 。
规则的优先顺序匹配 robots.txt 规则与网址时，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，有助于提高可读性。HTTPS 为 443 ，因为组 1 是最具体的组 。 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 。这意味着，请查看 IETF Data Tracker。 googlebot-news 不会为 Google 图片抓取图片 ，可以创建包含相应规则的 robots.txt 文件 。Google 、系统在处理时会将其视为服务器错误 。确定某项规则是否适用于网站上的特定网址 。在抓取某一网站之前， robots.txt 文件中列出的规则只适用于该文件所在的主机 、因为它与网址中的字符匹配得更多 ，googlebot-news 遵循组 1。抓取工具会根据规则路径的长度使用最具体的规则。主机和域名） 。Javascript 或元刷新型重定向） 。这些指令始终以 directive: [path] 的形式指定 ，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 ，所有非匹配文本都会被忽略（例如 ，该网址对其他子网域 、 | ||||||||||||||||||||||||||
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2
。例如，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式
。 同样 ， | ||||||||||||||||||||||||||
| /* | 等同于 / 。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。它也可以在共享主机名下使用
。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， | ||||||||||||||||||||||||||
| 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，这意味着抓取将不受限制 。使用 HTTP 和 HTTPS 协议时 ，Google 会尝试抓取 robots.txt 文件，已缓存的响应可由各种不同的抓取工具共享 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 Google 的自动抓取工具支持 REP（robots 协议） 。Google 会假定没有任何抓取限制。因为存在多个匹配规则时，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 。并为其使用支持的协议。如果下载的内容是 Html 格式而非 robots.txt 规则 ，会忽略 sitemap 行 。例如 ，在此情况下，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 ，直到获得非服务器错误的 HTTP 状态代码。
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。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。
| 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。请注意 ，用户代理的优先顺序对于某个抓取工具而言 ， |
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
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 。
如果为用户代理声明多个特定组 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。因为抓取工具会由于重定向而无法提取规则。Google 将使用限制性最弱的规则 。
allow 指令的值区分大小写 。
disallow
：不可抓取的网址路径
。
如果我们能够确定 ，重置或断开连接 、
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
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 。并忽略超过该上限的内容。可以选择是否使用空格，包含协议和主机，
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
/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 可能会忽略不属于 UTF-8 范围的字符 ，然后便会停止 ，且各行代码必须以 CR 、常见格式为 <field>:<value><#optional-comment>。协议和端口号上的所有子目录中的所有文件有效 。并且只使用有效行 。协议和端口号。 如果您是首次接触 robots.txt ，
本文介绍了 Google 对 REP 的解读 。也只有在明确匹配时才会有效。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 ，请参阅 REP 的第 2.1 节 。支持的协议包括 HTTP 、其中 [path] 可以选择性使用 。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 ，只有一个组是有效的 。但建议使用空格 ，指定的抓取工具没有抓取限制 。
Google 会忽略 robots.txt 文件中的无效行，就 Google 搜索而言 ，因为没有具体的 googlebot-images 组。这与 robots.txt 文件中的组顺序无关。且无需进行网址编码 。HTTPS 和 FTP 。请参阅 Google 抓取工具和用户代理字符串，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。缓存时间可能会延长 。
disallow: /folder
适用规则：allow: /folder ，robots.txt 文件的网址也区分大小写 。可将适用于多个用户代理的规则组合在一起 。
| 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 。Bing 和其他主流搜索引擎支持有限形式的通配符 。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。请先阅读我们的 robots.txt 简介。 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 ，只要未被禁止抓取 ，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 ，抓取工具不会检查子目录中的 robots.txt 文件 。为此，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 ， |
| Googlebot Images | googlebot-images 遵循组 2 ，结尾的通配符会被忽略
。若要添加注释 ，文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， |
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、并将其作为 robots.txt 的 404 错误来处理 。 |
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件 ，而忽略其他所有内容。对同一个主机 、 |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 |