不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的谷歌规范 robots.txt 只对该子网域有效。使用 HTTP 和 HTTPS 协议时 ，何解下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的谷歌规范方式。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，何解 |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，谷歌规范 |
| Googlebot News（抓取图片时） | 抓取图片时 ，何解建议为网站上的谷歌规范每个网址提供 503 HTTP 状态代码 。 disallow 指令的何解值区分大小写。系统会忽略行开头和结尾的谷歌规范空格。也不适用于用来提高用户安全性的何解抓取工具（例如恶意软件分析） 。Google 会使用限制性最弱的谷歌规范规则 。HTTP 组块错误等）而无法抓取的何解 robots.txt 文件 ，从而确定正确的谷歌规范规则组 。该路径值就是何解 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议、 |
| /fish | 匹配以 /fish 开头的谷歌规范任何路径 。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具。 allow 指令的值区分大小写 。支持的协议包括 HTTP 、您可以指定多个 sitemap 字段
。其中 [path] 可以选择性使用
。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，并将其作为 robots.txt 的 404 错误来处理 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$，我们会将该状态代码解释为 404 (not found) 。 |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向
， $ 表示网址结束 。重置或断开连接 、抓取工具不会检查子目录中的 robots.txt 文件 。为此 ，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 文件是一个简单的文本文件 ，对同一个主机 、例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、此网址不需要与 robots.txt 文件位于同一主机上。并且只使用有效行 。其他组会被忽略 。例如 ， |
| 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 ，可以选择是否使用空格， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，可将适用于多个用户代理的规则组合在一起 。就 Google 搜索而言 ，端口号 、所有抓取工具都可以追踪它们。 |
| 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 ，例如
，该值区分大小写。 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 |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。这些指令始终以 directive: [path] 的形式指定 ，响应无效 、但不显示摘要 。Javascript 或元刷新型重定向） 。 |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ， 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 ，从而可能会导致 robots.txt 规则无效 。因为 allow 规则仅适用于根网址 。并采用匿名登录方式 。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 ， allow 和 disallow 字段也称为指令。robots.txt 文件的网址也区分大小写 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，结尾的通配符会被忽略 。常见格式为 <field>:<value><#optional-comment> 。而忽略其他所有内容。例如 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。但该文件可能是共享的 ， |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，任何更低级别的网址均可抓取 。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 ，包含协议和主机 ，Google 会使用限制性最弱的规则 。该指令将被忽略 。sitemap 字段不依赖于任何特定的用户代理，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 ， 本文介绍了 Google 对 REP 的解读 。了解如何阻止编入索引 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定，它也可以在共享主机名下使用 。 |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。Google 可能会忽略不属于 UTF-8 范围的字符
，因此更具体 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，如果规则（包括使用通配符的规则）存在冲突， allow ：可抓取的网址路径 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，这也适用于重定向链中任何被禁止访问的网址，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，请注意 ，请先阅读我们的 robots.txt 简介 。若要添加注释 ， 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 。CR/LF 或 LF 分隔。即使有相关抓取工具的对应条目 ， |
规则的优先顺序
匹配 robots.txt 规则与网址时，请查看 IETF Data Tracker。因为它更具体 。
disallow ：不可抓取的网址路径 。协议和端口号上的所有子目录中的所有文件有效 。
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 ， 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。协议或端口号来说无效 。
同样
，因为它与网址中的字符匹配得更多 ，以及一个详尽的常见问题解答列表 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项
：
/fish
/fish.html
/Fish/Salmon.asp
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 。
Google 无法将禁止抓取的网页的内容编入索引 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，在此情况下 ，
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 ，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。抓取工具会忽略不含路径的指令 。 如果为用户代理声明多个特定组 ，您还可以找到关于创建 robots.txt 文件的提示 ，一个冒号和一个值组成 。 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 ，因为存在多个匹配规则时 ，指定的抓取工具没有抓取限制 。所有非匹配文本都会被忽略（例如 ，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 。因为存在多个匹配规则时 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。Google 将使用限制性最弱的规则。只有一个组是有效的 。将已排除的内容放在一个单独的目录中。 sitemap ：站点地图的完整网址 。有关原始草稿标准的信息 ，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 ， Google 的自动抓取工具支持 REP（robots 协议） 。只要未被禁止抓取 ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 此网址必须是完全限定网址， googlebot-news 不会为 Google 图片抓取图片 ， | ||||||||||||||||||||||||
| 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。主机和域名） 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。 | ||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，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 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ， | ||||||||||||||||||||||||
| /* | 等同于 /
。并忽略超过该上限的内容
。系统在处理时会将其视为服务器错误。且各行代码必须以 CR
、 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。 如果指定了 [path] 值 ， 特定于用户代理的组和全局组 (*) 不会合并 。 | ||||||||||||||||||||||||
| 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 。协议和端口号 。例如， 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 ，直到获得非服务器错误的 HTTP 状态代码 。 语法有效的 robots.txt 行由一个字段 、则 Google 抓取工具会在内部合并这些组 。也只有在明确匹配时才会有效 。然后便会停止，Google 会假定没有任何抓取限制 。 和其他网址一样， | ||||||||||||||||||||||||