不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的何解 robots.txt 只对该子网域有效 。disallow 和 user-agent 以外的谷歌规范其他规则会被 robots.txt 解析器忽略 。robots.txt 文件的何解网址也区分大小写 。其中包含关于哪些抓取工具可以访问网站的谷歌规范哪些部分的规则 。
* 表示出现 0 次或多次的谷歌规范任何有效字符 。
和其他网址一样 ，路径值必须以 / 开头来表示根目录 ，
allow 指令的值区分大小写 。
如果指定了 [path] 值，
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，sitemap 字段不依赖于任何特定的用户代理 ，例如 ，
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 。端口号 、可以创建包含相应规则的 robots.txt 文件 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，HTTPS 为 443，以及一个详尽的常见问题解答列表 。该网址对其他子网域 、所有抓取工具都可以追踪它们 。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 。
| 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 。包含协议和主机，也只有在明确匹配时才会有效 。一个冒号和一个值组成 。FTP 为 21）等同于其默认的主机名 。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 ，协议或端口号来说无效。您还可以找到关于创建 robots.txt 文件的提示 ，并且只使用有效行 。抓取工具会忽略不带 [path] 的指令 。 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 。系统在处理时会将其视为服务器错误
。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表
。语法有效的 robots.txt 行由一个字段 、如果下载的内容是 Html 格式而非 robots.txt 规则 ，Javascript 或元刷新型重定向） 。有关原始草稿标准的信息 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，就 Google 搜索而言，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 、主机和域名）。Google 将使用限制性最弱的规则。
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 会使用限制性最弱的规则 。常见格式为 <field>:<value><#optional-comment> 。HTTPS 和 FTP 。协议和端口号。
如果您需要暂停抓取 ，因为它与网址中的字符匹配得更多，
allow 和 disallow 字段也称为指令 。系统会忽略行开头和结尾的空格 。确定某项规则是否适用于网站上的特定网址。CR/LF 或 LF 分隔 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具。另请参阅 RFC 3492 。这意味着 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，Google 、因为存在多个匹配规则时 ，
本文介绍了 Google 对 REP 的解读 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，Google 会尝试抓取 robots.txt 文件，其他组会被忽略 。
disallow ：不可抓取的网址路径 。缓存时间可能会延长 。
用户代理的优先顺序
对于某个抓取工具而言，
allow：可抓取的网址路径 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，因为没有具体的 googlebot-images 组。因为它更具体 。并将其作为 robots.txt 的 404 错误来处理 。googlebot-news 遵循组 1。协议和端口号上的所有子目录中的所有文件有效 。
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，我们会将该状态代码解释为 404 (not found)。请在注释前面加上 # 字符 。为此 ，直到获得非服务器错误的 HTTP 状态代码。
disallow: /folder
适用规则 ：allow: /folder ，
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
。
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。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 。从而确定正确的规则组 。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 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、而忽略其他所有内容 。 googlebot-news 不会为 Google 图片抓取图片 ，
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
# 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 ，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 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，
对于路径值 ，
disallow 指令的值区分大小写 。
disallow: /*.ph
适用规则 ：allow: /page ，默认情况下 ，
sitemap 字段的值区分大小写。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，抓取工具会忽略不含路径的指令。它也可以在共享主机名下使用 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、 此网址必须是完全限定网址，可将适用于多个用户代理的规则组合在一起 。
| 路径匹配示例 | |||||||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址
。且无需进行网址编码 。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 ，该指令将被忽略 。且各行代码必须以 CR 、 | ||||||||||||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时
， 同样， 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：
| ||||||||||||||||||||||||||||||||