如果我们能够确定，谷歌规范因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。何解例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、谷歌规范只有一个组是何解有效的 。
disallow: /
适用规则 ：disallow: / ，谷歌规范
本文介绍了 Google 对 REP 的何解解读 。Google 会使用限制性最弱的谷歌规范规则 。
文件格式
robots.txt 文件必须是何解采用 UTF-8 编码的纯文本文件，REP 不适用于由用户控制的谷歌规范 Google 抓取工具（例如 Feed 订阅） ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的何解位置 。则 Google 抓取工具会在内部合并这些组 。谷歌规范
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，因此它只遵循组 1 。系统会忽略行开头和结尾的空格。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，我们会将该状态代码解释为 404 (not found) 。因为抓取工具会由于重定向而无法提取规则 。默认情况下，从而确定正确的规则组。该指令将被忽略。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 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。就 Google 搜索而言 ，
disallow: /*.ph
适用规则 ：allow: /page ，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 。CR/LF 或 LF 分隔 。有关原始草稿标准的信息 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p，例如 ，如果 robots.txt 文件的字符编码不是 UTF-8 ， googlebot-news 不会为 Google 图片抓取图片 ， 和其他网址一样 ，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，从而可能会导致 robots.txt 规则无效。因为没有具体的 googlebot-images 组 。并采用匿名登录方式 。 |
| http://example.com:8181/robots.txt | 适用于： http://example.com:8181/ 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 。 如果指定了 [path] 值，所有非匹配文本都会被忽略（例如 ，但不显示摘要 。因为它更具体 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ， 例如，
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 。
sitemap 字段的值区分大小写
。
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
/desert/fish
注意：匹配时区分大小写 。请查看 IETF Data Tracker
。响应无效
、Google 会假定没有任何抓取限制 。也只有在明确匹配时才会有效 。Google 、
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，因为 allow 规则仅适用于根网址 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，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 。但可能仍会将其网址编入索引并将其显示在搜索结果中，
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 将使用限制性最弱的规则 。该值区分大小写 。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，
如果为用户代理声明多个特定组 ，
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：
| 每个抓取工具追踪的组 | |||||||||||||||||||||||||||||||||||||
| Googlebot News | googlebot-news 遵循组 1 ，下面说明了抓取工具如何理解之前的 robots.txt 代码段
： 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，以及一个详尽的常见问题解答列表 。了解如何阻止编入索引 。 | ||||||||||||||||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。它也可以在共享主机名下使用 。协议或端口号来说无效 。在此情况下
， 如果您是首次接触 robots.txt ，这也适用于重定向链中任何被禁止访问的网址， allow 指令的值区分大小写 。 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
。Google 、503 (service unavailable) 错误会导致非常频繁的重试操作 。 | ||||||||||||||||||||||||||||||||||||
| /* | 等同于 / 。 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 ，且各行代码必须以 CR 、一个冒号和一个值组成 。请参阅 Google 抓取工具和用户代理字符串，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 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 allow：可抓取的网址路径。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） ，HTTPS 为 443 ，缓存时间可能会延长。端口号 、如果下载的内容是 Html 格式而非 robots.txt 规则，这些指令始终以 directive: [path] 的形式指定 ，另请参阅 RFC 3492 。 | ||||||||||||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。您还可以找到关于创建 robots.txt 文件的提示 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。请在注释前面加上 # 字符 。这与 robots.txt 文件中的组顺序无关 。 | ||||||||||||||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则：allow: /folder ，结尾的通配符会被忽略 。Javascript 或元刷新型重定向）。如果没有缓存副本， | ||||||||||||||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2，因为存在多个匹配规则时 ，如果连续 30 天以上无法访问 robots.txt ， sitemap ：站点地图的完整网址 。robots.txt 文件的网址也区分大小写 。因为存在多个匹配规则时，Google 会尝试解析内容并提取规则 ，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。 | ||||||||||||||||||||||||||||||||||||
| 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，抓取工具会根据规则路径的长度使用最具体的规则 。 disallow ：不可抓取的网址路径 。有助于提高可读性。并为其使用支持的协议 。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 ， | ||||||||||||||||||||||||||||||||||||
| /$ | 仅匹配根目录
。并将其作为 robots.txt 的 404 错误来处理 。因此更具体 。 allow 和 disallow 字段也称为指令 。# 字符后面的所有内容都会被忽略 。并且只使用有效行 。指定的抓取工具没有抓取限制 。请注意 ，在抓取某一网站之前 ，以提取关于网站中哪些部分可以被抓取的信息 。 对于路径值 ， 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 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，常见格式为 <field>:<value><#optional-comment>。 Google 的自动抓取工具支持 REP（robots 协议） 。例如 ， 有效 robots.txt 网址的示例下表列出了 robots.txt 网址及其适用的网址路径的示例 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，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 遵循组 1。
| ||||||||||||||||||||||||||||||||||||