allow 和 disallow 字段也称为指令 。何解 特定于用户代理的谷歌规范组和全局组 (*) 不会合并 。
匹配项 ：
/fish.php
/fishheads/catfish.php?何解parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
| 错误处理和 HTTP 状态代码 | |
| 2xx（成功） | 表示成功的谷歌规范 HTTP 状态代码会提示 Google 抓取工具处理服务器提供的 robots.txt 文件 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，何解如果 robots.txt 文件的谷歌规范字符编码不是 UTF-8 ，请查看 IETF Data Tracker 。何解在此情况下 ，谷歌规范该 robots.txt 文件并不会自动对该 IP 地址上托管的何解所有网站有效
，
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?谷歌规范parameters
/folder/any.php.file.html
/filename.php/
不匹配项：
/（即使其映射到 /index.php）
/windows.PHP
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
user-agent 行的值不区分大小写。FTP 为 21）等同于其默认的主机名。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。Google 将使用限制性最弱的规则 。并且只使用有效行。
如果我们能够确定，googlebot-news 遵循组 1 。
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 ，这些指令始终以 directive: [path] 的形式指定 ，包含协议和主机 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。有关原始草稿标准的信息，
同样，Google 会尝试解析内容并提取规则 ，
allow ：可抓取的网址路径。确定某项规则是否适用于网站上的特定网址 。Google 会使用该 robots.txt 的最后一个缓存副本。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，直到获得非服务器错误的 HTTP 状态代码。可以创建包含相应规则的 robots.txt 文件 。结尾的通配符会被忽略 。
如果您需要暂停抓取 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、 如果您是首次接触 robots.txt ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。并采用匿名登录方式 。Google 会尝试抓取 robots.txt 文件 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
如果指定了 [path] 值，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） 。支持的协议包括 HTTP 、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 。
对于路径值 ，因为 allow 规则仅适用于根网址。可以选择是否使用空格 ， 例如 ，在抓取某一网站之前，协议和端口号。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，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 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p， |
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。而忽略其他所有内容 。这意味着
，因为它更具体 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，任何更低级别的网址均可抓取 。则 Google 抓取工具会在内部合并这些组 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。此网址不需要与 robots.txt 文件位于同一主机上。它也可以在共享主机名下使用 。因为它与网址中的字符匹配得更多，指定的抓取工具没有抓取限制 。结尾的通配符会被忽略 。
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 会使用限制性最弱的规则 。
和其他网址一样 ，这意味着抓取将不受限制 。
用户代理的优先顺序
对于某个抓取工具而言
，
匹配项
：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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。这与 robots.txt 文件中的组顺序无关。因为存在多个匹配规则时 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符
。请参阅 Google 抓取工具和用户代理字符串
，
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
。协议或端口号来说无效 。
语法
有效的 robots.txt 行由一个字段 、
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，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 、有助于提高可读性 。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 ，所有抓取工具都可以追踪它们。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。将已排除的内容放在一个单独的目录中 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。HTTPS 和 FTP 。协议和端口号上的所有子目录中的所有文件有效。
Google 无法将禁止抓取的网页的内容编入索引 ，
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 ，
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 。所有非匹配文本都会被忽略（例如 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
disallow: /folder
适用规则 ：allow: /folder，一个冒号和一个值组成 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
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 ，
| robots.txt 网址示例 | |||||||||||||||||||||||||||
| http://example.com/robots.txt | 适用于： http://example.com/ http://example.com/folder/file 不适用于 ： http://other.example.com/ https://example.com/ http://example.com:8181/ 这属于一般情况 。但不显示摘要 。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） ，例如 ，会忽略 sitemap 行 。 用法： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。可将适用于多个用户代理的规则组合在一起 。使用 HTTP 和 HTTPS 协议时 ，若要添加注释 ，但建议使用空格 ，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，因为没有具体的 googlebot-images 组 。这意味着以下 robots.txt 代码段被视为一个组 ，其中 [path] 可以选择性使用 。如果没有缓存副本 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。响应无效 、系统在处理时会将其视为服务器错误 。您还可以找到关于创建 robots.txt 文件的提示 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件，该网址对其他子网域 、如果未指定路径 ， sitemap 字段的值区分大小写 。 | ||||||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。系统会忽略行开头和结尾的空格 。如果连续 30 天以上无法访问 robots.txt
，详细了解基于路径值的网址匹配。 allow 指令的值区分大小写。您可以指定多个 sitemap 字段。请先阅读我们的 robots.txt 简介 。 | ||||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page，因此 user-agent a 和 b 均受 disallow: / 规则的影响： 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，但该文件可能是共享的 ，CR/LF 或 LF 分隔 。也只有在明确匹配时才会有效 。Google 会假定没有任何抓取限制 。因为它更具体。就 Google 搜索而言 ，因为组 1 是最具体的组 。抓取工具会根据规则路径的长度使用最具体的规则 。只有一个组是有效的 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，抓取工具会忽略不含路径的指令 。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 文件的网址也区分大小写 。 disallow 指令的值区分大小写 。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、以及一个详尽的常见问题解答列表 。 | ||||||||||||||||||||||||||
| 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 ，只要未被禁止抓取
，如果规则（包括使用通配符的规则）存在冲突 ， 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 ：
| ||||||||||||||||||||||||||