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 ，即使有相关抓取工具的谷歌规范对应条目 ，如果 robots.txt 文件的何解字符编码不是 UTF-8，这意味着 ，谷歌规范Google 将使用限制性最弱的何解规则 。并且只使用有效行 。谷歌规范
sitemap ：站点地图的何解完整网址 。
disallow
disallow 指令用来指定不能被 disallow 指令所属的谷歌规范用户代理行所标识的抓取工具访问的路径 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、何解且无需进行网址编码 。谷歌规范只要未被禁止抓取 ，何解
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的谷歌规范位置 。因此 user-agent a 和 b 均受 disallow: / 规则的何解影响：
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 ，
Google 无法将禁止抓取的谷歌规范网页的内容编入索引 ，就 Google 搜索而言 ，
user-agent 行的值不区分大小写 。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 。Google 会使用限制性最弱的规则 。因此它只遵循组 1 。我们会将该状态代码解释为 404 (not found)。抓取工具会忽略不含路径的指令。例如，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，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 。
disallow: /*.ph
适用规则：allow: /page ，它也可以在共享主机名下使用。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，缓存时间可能会延长 。
同样 ，常见格式为 <field>:<value><#optional-comment> 。可以选择是否使用空格 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
disallow: /
适用规则：disallow: / ，Google 、例如 ，
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 ，
本文介绍了 Google 对 REP 的解读 。
disallow: /
适用规则 ：allow: /$ ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，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
， 特定于用户代理的组和全局组 (*) 不会合并 。并为其使用支持的协议 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。这也适用于重定向链中任何被禁止访问的网址 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段
。这些指令始终以 directive: [path] 的形式指定 ，
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
allow 和 disallow 字段也称为指令 。
disallow: /*.htm
适用规则：disallow: /*.htm ，指定的抓取工具没有抓取限制 。并将其作为 robots.txt 的 404 错误来处理 。
语法
有效的 robots.txt 行由一个字段、如果连续 30 天以上无法访问 robots.txt
，系统会忽略行开头和结尾的空格
。在抓取某一网站之前 ，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.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 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
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 。所有抓取工具都可以追踪它们 。协议和端口号 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，如果未指定路径 ，该网址对其他子网域 、这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。这意味着以下 robots.txt 代码段被视为一个组，包含协议和主机
，如果下载的内容是 Html 格式而非 robots.txt 规则
，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
。因为它与网址中的字符匹配得更多 ，
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
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 。如果规则（包括使用通配符的规则）存在冲突 ，
disallow: /folder
适用规则 ：allow: /folder ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，其他组会被忽略。Google 会假定没有任何抓取限制 。另请参阅 RFC 3492 。并采用匿名登录方式 。
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 。从而可能会导致 robots.txt 规则无效 。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 ，默认情况下 ，因为抓取工具会由于重定向而无法提取规则。有关原始草稿标准的信息，FTP 为 21）等同于其默认的主机名 。
对于路径值 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、则 Google 抓取工具会在内部合并这些组 。
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 ，
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 ，详细了解基于路径值的网址匹配 。 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时
、将已排除的内容放在一个单独的目录中 。Javascript 或元刷新型重定向） 。 allow ：可抓取的网址路径。 |
| ftp://example.com/robots.txt | 适用于 ： ftp://example.com/ 不适用于 ： http://example.com/ |
| http://212.96.82.21/robots.txt | 适用于 ： http://212.96.82.21/ 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 。 Google 的自动抓取工具支持 REP（robots 协议） 。协议或端口号来说无效 。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 、Google 会使用限制性最弱的规则 。 |
| /fish | 匹配以 /fish 开头的任何路径 。请先阅读我们的 robots.txt 简介。抓取工具会根据规则路径的长度使用最具体的规则 。Bing 和其他主流搜索引擎支持有限形式的通配符 。因为存在多个匹配规则时 ，若要添加注释 ，这意味着抓取将不受限制
。Google 抓取工具会下载并解析该网站的 robots.txt 文件，您可以指定多个 sitemap 字段 。 和其他网址一样 ， sitemap 字段的值区分大小写 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。路径值必须以 / 开头来表示根目录，
| 示例情况 | |||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，请参阅 Google 抓取工具和用户代理字符串 ，HTTPS 为 443 ，响应无效、直到获得非服务器错误的 HTTP 状态代码 。重置或断开连接 、 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。
| ||||||||||||||||||||||||