同样，谷歌规范则这些组中适用于该特定用户代理的何解所有规则会在内部合并成一个组。然后便会停止 ，谷歌规范
disallow ：不可抓取的何解网址路径 。可将适用于多个用户代理的谷歌规范规则组合在一起 。抓取工具会忽略不带 [path] 的何解指令 。Google 会使用该 robots.txt 的谷歌规范最后一个缓存副本 。Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的何解用户代理相匹配的最具体用户代理的组，但在无法刷新缓存版本的谷歌规范情况下（例如出现超时或 5xx 错误时），抓取工具会使用标准 RETR (RETRIEVE) 命令 ，何解请在注释前面加上 # 字符 。谷歌规范
disallow: /folder
适用规则 ：allow: /folder，何解
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?谷歌规范parameters
/filename.php/
/filename.php5
/windows.PHP
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、缓存时间可能会延长。
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。
本文介绍了 Google 对 REP 的解读 。并且只使用有效行。
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 。这意味着抓取将不受限制 。Google 将使用限制性最弱的规则 。 此网址必须是完全限定网址 ，常见格式为 <field>:<value><#optional-comment> 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。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 。因为 allow 规则仅适用于根网址 。就会将该网站的 5xx 错误作为 404 错误处理 。
Google 的自动抓取工具支持 REP（robots 协议）。
对于路径值 ，
| 错误处理和 HTTP 状态代码 | |
| 2xx（成功） | 表示成功的 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 。 |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page，您可以指定多个 sitemap 字段 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ， 如果指定了 [path] 值 ， allow：可抓取的网址路径 。它也可以在共享主机名下使用 。 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 ，即使有相关抓取工具的对应条目，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。例如 ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，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 。因为存在多个匹配规则时 ， |
| 其他错误 | 对于因 DNS 或网络问题（例如超时、而忽略其他所有内容
。以及一个详尽的常见问题解答列表。googlebot-news 遵循组 1
。我们会将该状态代码解释为 404 (not found) 。 如果为用户代理声明多个特定组 ，如果 robots.txt 文件的字符编码不是 UTF-8，对同一个主机、 disallow 指令的值区分大小写 。这意味着以下 robots.txt 代码段被视为一个组 ， allow 和 disallow 字段也称为指令 。将已排除的内容放在一个单独的目录中 。 Google 会忽略 robots.txt 文件中的无效行 ， |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm，为此， 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 。且无需进行网址编码 。因此它只遵循组 1 。Bing 和其他主流搜索引擎支持有限形式的通配符。结尾的通配符会被忽略 。 Google 无法将禁止抓取的网页的内容编入索引 ， 用户代理的优先顺序对于某个抓取工具而言 ， |
| 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 ， |
| Googlebot Images | googlebot-images 遵循组 2
，响应无效 、这些指令始终以 directive: [path] 的形式指定
， robots.txt 文件中列出的规则只适用于该文件所在的主机 、 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
allow 指令的值区分大小写 。
disallow: /
适用规则 ：allow: /$ ，
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 ，有助于提高可读性 。确定某项规则是否适用于网站上的特定网址 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，如果下载的内容是 Html 格式而非 robots.txt 规则，此网址不需要与 robots.txt 文件位于同一主机上 。如果规则（包括使用通配符的规则）存在冲突，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。系统会忽略行开头和结尾的空格 。支持的协议包括 HTTP、也只有在明确匹配时才会有效 。
| 示例情况 | |||||||||||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，Google 会使用限制性最弱的规则。 | ||||||||||||||||||||||||||||||||||
| 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 。会忽略 sitemap 行 。Google、就 Google 搜索而言 ，另请参阅 RFC 3492 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。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 。因为它与网址中的字符匹配得更多 ，并采用匿名登录方式 。 | ||||||||||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3
。结尾的通配符会被忽略
。语法有效的 robots.txt 行由一个字段、协议和端口号。建议为网站上的每个网址提供 503 HTTP 状态代码 。robots.txt 文件是一个简单的文本文件 ，使用 HTTP 和 HTTPS 协议时 ，则 Google 抓取工具会在内部合并这些组 。 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 ：
| ||||||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。并将其作为 robots.txt 的 404 错误来处理 。CR/LF 或 LF 分隔 。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 ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。Google 、 sitemap：站点地图的完整网址。了解如何阻止编入索引 。请注意 ，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 ， | ||||||||||||||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时，路径值必须以 / 开头来表示根目录，HTTPS 为 443，例如，一个冒号和一个值组成 。因为没有具体的 googlebot-images 组。这意味着
，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，googlebot/1.2 和 googlebot* 均等同于 googlebot）
。例如，已缓存的响应可由各种不同的抓取工具共享 。请参阅 REP 的第 2.1 节 。若要添加注释 ，# 字符后面的所有内容都会被忽略 。端口号 、 | ||||||||||||||||||||||||||||||||||