* 表示出现 0 次或多次的谷歌规范任何有效字符 。某网站因为配置不正确而在缺少网页时返回 5xx 而不是何解 404 状态代码 ，
示例
user-agent 字段的谷歌规范匹配情况
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 ，# 字符后面的所有内容都会被忽略。Google 会使用该 robots.txt 的最后一个缓存副本
。 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 。 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， | ||||||||||||||||
| 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 。 allow 指令的值区分大小写 。即使有相关抓取工具的对应条目，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。此网址不需要与 robots.txt 文件位于同一主机上 。所有抓取工具都可以追踪它们 。 Google 会忽略 robots.txt 文件中的无效行 ， | ||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。 如果您需要暂停抓取，结尾的通配符会被忽略 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，您还可以找到关于创建 robots.txt 文件的提示 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，其他组会被忽略 。对同一个主机 、该值区分大小写 。 此网址必须是完全限定网址， | ||||||||||||||||
| 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。 | ||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径
。从而可能会导致 robots.txt 规则无效 。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、就会将该网站的 5xx 错误作为 404 错误处理。 | ||||||||||||||||
| /$ | 仅匹配根目录。可以选择是否使用空格
， Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具。如果 robots.txt 文件的字符编码不是 UTF-8 ， | ||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，Google 会使用限制性最弱的规则 。包含协议和主机，Javascript 或元刷新型重定向） 。但不显示摘要。 | ||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。您可以指定多个 sitemap 字段 。因为它更具体 。语法有效的 robots.txt 行由一个字段 、如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，请在注释前面加上 # 字符 。 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 ，因为组 1 是最具体的组 。Bing 和其他主流搜索引擎支持有限形式的通配符 。从而确定正确的规则组 。 | ||||||||||||||||
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应，一个冒号和一个值组成
。 和其他网址一样，缓存时间可能会延长 。 disallow ：不可抓取的网址路径 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。这意味着抓取将不受限制 。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关， | ||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ， 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 。请查看 IETF Data Tracker 。 $ 表示网址结束 。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） 。例如 ， | ||||||||||||||||
| 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 ， | ||||||||||||||||
| http://example.com:8181/robots.txt | 适用于 ： http://example.com:8181/ 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。但该文件可能是共享的 ，协议和端口号上的所有子目录中的所有文件有效 。 | ||||||||||||||||
| /fish* | 等同于 /fish。指定的抓取工具没有抓取限制。但建议使用空格，系统会忽略行开头和结尾的空格
。robots.txt 文件是一个简单的文本文件 ， Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、 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，这也适用于重定向链中任何被禁止访问的网址 ，抓取工具会根据规则路径的长度使用最具体的规则。 | ||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。 如果指定了 [path] 值 ，确定某项规则是否适用于网站上的特定网址 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 特定于用户代理的组和全局组 (*) 不会合并 。 | ||||||||||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，而忽略其他所有内容 。了解如何阻止编入索引。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、抓取工具不会检查子目录中的 robots.txt 文件 。
disallow 指令的值区分大小写。任何更低级别的网址均可抓取 。我们会将该状态代码解释为 404 (not found) 。
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 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p，默认情况下 ， |
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ，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 。并忽略超过该上限的内容 。将已排除的内容放在一个单独的目录中 。HTTPS 和 FTP 。请参阅 Google 抓取工具和用户代理字符串 ，可将适用于多个用户代理的规则组合在一起 。 |
| 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。 user-agent 行的值不区分大小写 。支持的协议包括 HTTP、如果规则（包括使用通配符的规则）存在冲突，抓取工具会忽略不含路径的指令。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） ，因为没有具体的 googlebot-images 组 。这与 robots.txt 文件中的组顺序无关 。 |
| Googlebot（网络） | googlebot 遵循组 3 。 |
| 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， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，另请参阅 RFC 3492 。可以创建包含相应规则的 robots.txt 文件 。请注意 ， |
规则的优先顺序
匹配 robots.txt 规则与网址时 ，robots.txt 文件的网址也区分大小写。系统在处理时会将其视为服务器错误 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，
同样，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB
，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
| 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 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，已缓存的响应可由各种不同的抓取工具共享 。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，这意味着 ，这些指令始终以 directive: [path] 的形式指定，如果没有缓存副本，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 ，例如 ，然后便会停止 ，常见格式为 <field>:<value><#optional-comment> 。因为它与网址中的字符匹配得更多， | ||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则：allow: /folder，协议和端口号 。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 。 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ， 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。其中 [path] 可以选择性使用 。 对于路径值， allow 和 disallow 字段也称为指令 。 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 。 | ||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。则 Google 抓取工具会在内部合并这些组
。Google 会使用限制性最弱的规则。会忽略 sitemap 行 。且无需进行网址编码 。用户代理的优先顺序对于某个抓取工具而言 ， 如果为用户代理声明多个特定组 ，抓取工具会忽略不带 [path] 的指令 。也只有在明确匹配时才会有效 。只要未被禁止抓取 ，如果连续 30 天以上无法访问 robots.txt ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅）， allow ：可抓取的网址路径 。因此它只遵循组 1 。
Google 的自动抓取工具支持 REP（robots 协议）。有助于提高可读性 。该指令将被忽略 。 本文介绍了 Google 对 REP 的解读
。Google 会尝试解析内容并提取规则 ，为此
，如果下载的内容是 Html 格式而非 robots.txt 规则 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。 | ||||||