以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。谷歌规范
sitemap 字段的何解值区分大小写 。则这些组中适用于该特定用户代理的谷歌规范所有规则会在内部合并成一个组 。可将适用于多个用户代理的何解规则组合在一起 。
对于路径值 ，谷歌规范有助于提高可读性 。何解
disallow: /
适用规则 ：allow: /$ ，谷歌规范重置或断开连接、何解并忽略超过该上限的谷歌规范内容 。Google 会使用限制性最弱的规则 。抓取工具会忽略不含路径的指令。建议为网站上的每个网址提供 503 HTTP 状态代码 。在抓取某一网站之前 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，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:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，结尾的通配符会被忽略 。FTP 为 21）等同于其默认的主机名 。
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
disallow: /folder
适用规则 ：allow: /folder ，
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 ，
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，以提取关于网站中哪些部分可以被抓取的信息 。并采用匿名登录方式 。
sitemap ：站点地图的完整网址 。
disallow ：不可抓取的网址路径。默认情况下 ，因为存在多个匹配规则时 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件，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 ，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 ，另请参阅 RFC 3492。任何更低级别的网址均可抓取 。
allow 和 disallow 字段也称为指令 。此网址不需要与 robots.txt 文件位于同一主机上 。抓取工具会使用标准 RETR (RETRIEVE) 命令，
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 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。只有一个组是有效的 。可以选择是否使用空格 ，协议和端口号上的所有子目录中的所有文件有效 。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，Google、HTTPS 和 FTP 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，因为它更具体 。
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 ， Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、指定的抓取工具没有抓取限制 。直到获得非服务器错误的 HTTP 状态代码 。抓取工具会忽略不带 [path] 的指令 。 |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向，Google 会尝试解析内容并提取规则 ，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 。主机和域名）
。请参阅 Google 抓取工具和用户代理字符串， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。例如 ，您还可以找到关于创建 robots.txt 文件的提示 ， |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，在此情况下 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，将已排除的内容放在一个单独的目录中。
同样 ，
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。
user-agent 行的值不区分大小写。支持的协议包括 HTTP 、我们会将该状态代码解释为 404 (not found) 。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 。抓取工具会使用 HTTP 无条件 GET 请求来提取 robots.txt 文件；使用 FTP 时 ，
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 。因为 allow 规则仅适用于根网址 。
语法
有效的 robots.txt 行由一个字段 、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 、已缓存的响应可由各种不同的抓取工具共享 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。Google 会使用限制性最弱的规则 。该网址对其他子网域 、如果 robots.txt 文件的字符编码不是 UTF-8 ，
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 。其他组会被忽略 。
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 。只要未被禁止抓取 ，
如果我们能够确定 ，系统在处理时会将其视为服务器错误 。因为它更具体 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
disallow: /
适用规则 ：disallow: /，
allow：可抓取的网址路径 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，因为抓取工具会由于重定向而无法提取规则。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址
。这意味着以下 robots.txt 代码段被视为一个组
，因此它只遵循组 1 。 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。如果没有缓存副本 ， |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ， 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。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， 特定于用户代理的组和全局组 (*) 不会合并 。您可以指定多个 sitemap 字段 。 此网址必须是完全限定网址 ，响应无效 、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 。 |
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 ，请注意 ，因为没有具体的 googlebot-images 组 。
本文介绍了 Google 对 REP 的解读 。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，Google、
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
disallow 指令的值区分大小写。
如果您需要暂停抓取
，但不显示摘要。则 Google 抓取工具会在内部合并这些组 。Google 会尝试抓取 robots.txt 文件，Google 可能会忽略不属于 UTF-8 范围的字符，# 字符后面的所有内容都会被忽略 。
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 ，该指令将被忽略 。
| 示例情况 | |||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，
| ||||||||||||||||||