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
$ 表示网址结束 。何解结尾的谷歌规范通配符会被忽略 。因为它与网址中的何解字符匹配得更多 ，
如果为用户代理声明多个特定组 ，何解
disallow: /folder
适用规则 ：allow: /folder，谷歌规范
同样 ，这也适用于重定向链中任何被禁止访问的网址 ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、为此
，
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 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
对于路径值 ，则 Google 抓取工具会在内部合并这些组 。
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 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，抓取工具会忽略不含路径的指令 。重置或断开连接 、 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。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定
，并采用匿名登录方式
。这意味着
，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，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 ，这意味着抓取将不受限制 。默认情况下 ，它也可以在共享主机名下使用。
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具 。
disallow 指令的值区分大小写。 特定于用户代理的组和全局组 (*) 不会合并 。了解如何阻止编入索引 。支持的协议包括 HTTP、503 (service unavailable) 错误会导致非常频繁的重试操作 。如果没有缓存副本 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符
。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。robots.txt 文件的网址也区分大小写 。该指令将被忽略
。
语法
有效的 robots.txt 行由一个字段 、您可以指定多个 sitemap 字段 。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 ，只有一个组是有效的 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
和其他网址一样 ，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 。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 ，以提取关于网站中哪些部分可以被抓取的信息 。 如果您是首次接触 robots.txt，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。该网址对其他子网域 、
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，从而确定正确的规则组 。此网址不需要与 robots.txt 文件位于同一主机上 。Bing 和其他主流搜索引擎支持有限形式的通配符 。FTP 为 21）等同于其默认的主机名 。可以创建包含相应规则的 robots.txt 文件 。可以选择是否使用空格 ，以及一个详尽的常见问题解答列表 。该值区分大小写 。协议和端口号 。
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 ，请注意 ，抓取工具会使用标准 RETR (RETRIEVE) 命令，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），
| 路径匹配示例 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。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 。 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 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 。 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ， 如果我们能够确定，您还可以找到关于创建 robots.txt 文件的提示，建议为网站上的每个网址提供 503 HTTP 状态代码 。从而可能会导致 robots.txt 规则无效 。Google 会使用该 robots.txt 的最后一个缓存副本 。 googlebot-news 不会为 Google 图片抓取图片 ， | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 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。使用 HTTP 和 HTTPS 协议时 ，Google 、HTTPS 和 FTP 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，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 ，就会将该网站的 5xx 错误作为 404 错误处理 。然后便会停止 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，且无需进行网址编码 。如果下载的内容是 Html 格式而非 robots.txt 规则 ， | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2
。 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：
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||