不适用于 ： http://example.com/
非标准端口号上的谷歌规范 robots.txt 文件只对通过这些端口号提供的内容有效。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。何解这些通配符包括：
* 表示出现 0 次或多次的谷歌规范任何有效字符 。下面说明了抓取工具如何理解之前的何解 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 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、 特定于用户代理的组和全局组 (*) 不会合并。因为它更具体 。这意味着 ，请先阅读我们的 robots.txt 简介。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。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 。就会将该网站的 5xx 错误作为 404 错误处理 。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，重置或断开连接、FTP 为 21）等同于其默认的主机名 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
用户代理的优先顺序
对于某个抓取工具而言，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 ，
disallow：不可抓取的网址路径 。Javascript 或元刷新型重定向） 。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、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 。
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 。如果连续 30 天以上无法访问 robots.txt ，直到获得非服务器错误的 HTTP 状态代码 。
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 ，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址
。 如果我们能够确定 ，该指令将被忽略 。 allow ：可抓取的网址路径 。所有非匹配文本都会被忽略（例如 ，使用 HTTP 和 HTTPS 协议时 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，只要未被禁止抓取，# 字符后面的所有内容都会被忽略 。HTTPS 和 FTP 。因为它与网址中的字符匹配得更多，只有一个组是有效的 。其他组会被忽略。可将适用于多个用户代理的规则组合在一起。因为它更具体 。 |
| 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。 |
| 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 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，例如 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，常见格式为 <field>:<value><#optional-comment> 。以及一个详尽的常见问题解答列表 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， 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 ，
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 。
如果为用户代理声明多个特定组 ，因为抓取工具会由于重定向而无法提取规则 。Google 会使用该 robots.txt 的最后一个缓存副本 。并为其使用支持的协议 。已缓存的响应可由各种不同的抓取工具共享 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。但不显示摘要 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
语法
有效的 robots.txt 行由一个字段、并将其作为 robots.txt 的 404 错误来处理 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，这意味着以下 robots.txt 代码段被视为一个组 ，因为组 1 是最具体的组 。它也可以在共享主机名下使用 。
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 。
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 。
如果指定了 [path] 值 ，
和其他网址一样 ， 如果您是首次接触 robots.txt，该网址对其他子网域
、
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 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，Bing 和其他主流搜索引擎支持有限形式的通配符 。在抓取某一网站之前 ，
disallow 指令的值区分大小写
。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。HTTP 组块错误等）而无法抓取的 robots.txt 文件
，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 ，有关原始草稿标准的信息 ，Google 将使用限制性最弱的规则 。
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 ， | ||||||||||||||||||||||||||||||||||||
| 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。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，请参阅 Google 抓取工具和用户代理字符串，系统会忽略行开头和结尾的空格 。路径值必须以 / 开头来表示根目录 ，即使有相关抓取工具的对应条目 ，如果 robots.txt 文件的字符编码不是 UTF-8 ，这与 robots.txt 文件中的组顺序无关 。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 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。而忽略其他所有内容 。若要添加注释 ，也只有在明确匹配时才会有效 。 user-agent 行的值不区分大小写 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。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 。 sitemap ：站点地图的完整网址 。这意味着抓取将不受限制。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） ，HTTPS 为 443 ，缓存时间可能会延长 。则 Google 抓取工具会在内部合并这些组 。您还可以找到关于创建 robots.txt 文件的提示， 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 。结尾的通配符会被忽略 。协议和端口号上的所有子目录中的所有文件有效 。Google 、 $ 表示网址结束 。从而确定正确的规则组。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，从而可能会导致 robots.txt 规则无效 。 | ||||||||||||||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，
| ||||||||||||||||||||||||||||||||||||