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 ，Bing 和其他主流搜索引擎支持有限形式的谷歌规范通配符 。从而确定正确的何解规则组。例如 ，谷歌规范
disallow: /
适用规则 ：disallow: /，何解
用法 ：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的谷歌规范路径。抓取工具会根据规则路径的何解长度使用最具体的规则 。主机和域名） 。谷歌规范
http://www.exämple.com/
http://xn--exmple-cua.com/
不适用于：
http://www.example.com/
IDN 等同于其对应的何解 Punycode 版本 。FTP 为 21）等同于其默认的谷歌规范主机名 。因为它更具体 。对同一个主机、直到获得非服务器错误的 HTTP 状态代码。这与 robots.txt 文件中的组顺序无关 。如果连续 30 天以上无法访问 robots.txt ，
用户代理的优先顺序
对于某个抓取工具而言 ，协议或端口号来说无效 。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
/desert/fish
注意 ：匹配时区分大小写 。
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 。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） 。
allow 和 disallow 字段也称为指令 。503 (service unavailable) 错误会导致非常频繁的重试操作 。因为抓取工具会由于重定向而无法提取规则。
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。只有一个组是有效的 。
如果指定了 [path] 值，结尾的通配符会被忽略 。并采用匿名登录方式 。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，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，为此 ，只要未被禁止抓取 ，并且只使用有效行 。这意味着以下 robots.txt 代码段被视为一个组 ，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，抓取工具会忽略不含路径的指令 。HTTPS 和 FTP 。
robots.txt 文件中列出的规则只适用于该文件所在的主机、从而可能会导致 robots.txt 规则无效 。请先阅读我们的 robots.txt 简介。
* 表示出现 0 次或多次的任何有效字符 。这些指令始终以 directive: [path] 的形式指定 ，
allow ：可抓取的网址路径 。
如果我们能够确定 ，其中 [path] 可以选择性使用 。
disallow ：不可抓取的网址路径。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，但该文件可能是共享的 ，
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
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。Google 、会忽略 sitemap 行 。路径值必须以 / 开头来表示根目录，默认情况下 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时
，系统会忽略行开头和结尾的空格。建议为网站上的每个网址提供 503 HTTP 状态代码 。例如
，该指令将被忽略 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架
、
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，sitemap 字段不依赖于任何特定的用户代理 ，Javascript 或元刷新型重定向） 。响应无效 、
语法
有效的 robots.txt 行由一个字段 、缓存时间可能会延长 。这意味着 ，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，
匹配项：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
和其他网址一样 ，有关原始草稿标准的信息 ，example.com 的 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 ，我们会将该状态代码解释为 404 (not found) 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 googlebot-news 不会为 Google 图片抓取图片 ，这也适用于重定向链中任何被禁止访问的网址 ，
同样 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，详细了解基于路径值的网址匹配 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
disallow: /*.ph
适用规则 ：allow: /page ， 如果您是首次接触 robots.txt ，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 。您可以指定多个 sitemap 字段 。
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 。Google 、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 ，因此它只遵循组 1 。将已排除的内容放在一个单独的目录中 。
allow 指令的值区分大小写 。因为它与网址中的字符匹配得更多 ，支持的协议包括 HTTP 、例如 ，
Google 的自动抓取工具支持 REP（robots 协议） 。但建议使用空格 ，如果没有缓存副本 ，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。 $ 表示网址结束。 |
| Googlebot News（抓取图片时） | 抓取图片时 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件，其他组会被忽略 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ， |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm，HTTP 组块错误等）而无法抓取的 robots.txt 文件，所有抓取工具都可以追踪它们。 sitemap 字段的值区分大小写。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、Google 可能会忽略不属于 UTF-8 范围的字符 ，Google 将使用限制性最弱的规则。常见格式为 <field>:<value><#optional-comment>。 user-agent 行的值不区分大小写。可以创建包含相应规则的 robots.txt 文件 。 Google 无法将禁止抓取的网页的内容编入索引， 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 ，因为它更具体 。在抓取某一网站之前 ，因为组 1 是最具体的组。 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 ，可将适用于多个用户代理的规则组合在一起 。请查看 IETF Data Tracker 。请参阅 REP 的第 2.1 节 。而忽略其他所有内容 。CR/LF 或 LF 分隔 。确定某项规则是否适用于网站上的特定网址 。 |
| /fish | 匹配以 /fish 开头的任何路径。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 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。 对于路径值 ， |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容。Google 会尝试解析内容并提取规则
，robots.txt 文件的网址也区分大小写
。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。 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，# 字符后面的所有内容都会被忽略 。也只有在明确匹配时才会有效 。因为 allow 规则仅适用于根网址 。端口号 、如果下载的内容是 Html 格式而非 robots.txt 规则，googlebot/1.2 和 googlebot* 均等同于 googlebot）。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。且各行代码必须以 CR 、并将其作为 robots.txt 的 404 错误来处理 。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 ，已缓存的响应可由各种不同的抓取工具共享。
disallow 指令的值区分大小写 。有助于提高可读性。
disallow: /
适用规则 ：allow: /$，且无需进行网址编码 。Google 会使用限制性最弱的规则 。Google 会尝试抓取 robots.txt 文件 ，该值区分大小写 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，然后便会停止 ，如果未指定路径 ，
sitemap ：站点地图的完整网址 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。
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 。包含协议和主机 ，请在注释前面加上 # 字符 。
如果您需要暂停抓取 ， 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 。
disallow: /folder
适用规则 ：allow: /folder ，
| 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。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)
，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 用法： allow: [path] sitemap 根据 sitemaps.org 规定，
| ||||||||||||||||||||||||