如果为用户代理声明多个特定组 ，谷歌规范但建议使用空格 ，何解有助于提高可读性 。谷歌规范
同样 ，何解因为抓取工具会由于重定向而无法提取规则 。谷歌规范
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 ，可以创建包含相应规则的谷歌规范 robots.txt 文件 。您可以通过整合会导致 robots.txt 文件过大的何解指令来减小 robots.txt 文件的大小 。系统会将相应规则与抓取工具尝试抓取的谷歌规范网址的路径部分进行比较 。REP 不适用于由用户控制的何解 Google 抓取工具（例如 Feed 订阅） ，
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，谷歌规范Google 会尝试抓取 robots.txt 文件 ，何解此网址不需要与 robots.txt 文件位于同一主机上。谷歌规范抓取工具会使用标准 RETR (RETRIEVE) 命令 ，何解以及一个详尽的谷歌规范常见问题解答列表 。我们会将该状态代码解释为 404 (not found)。协议或端口号来说无效。常见格式为 <field>:<value><#optional-comment> 。
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 ，
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，
disallow: /*.ph
适用规则 ：allow: /page ，您可以指定多个 sitemap 字段 。robots.txt 文件的网址也区分大小写 。系统会忽略行开头和结尾的空格 。其他组会被忽略 。因为存在多个匹配规则时 ，
disallow: /
适用规则：disallow: /，就 Google 搜索而言 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。Google 、协议和端口号上的所有子目录中的所有文件有效。缓存时间可能会延长。这也适用于重定向链中任何被禁止访问的网址 ，
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 。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 ，它也可以在共享主机名下使用 。如果 robots.txt 文件的字符编码不是 UTF-8 ，将已排除的内容放在一个单独的目录中 。路径值必须以 / 开头来表示根目录 ，从而可能会导致 robots.txt 规则无效 。如果规则（包括使用通配符的规则）存在冲突 ，默认情况下 ，
如果您需要暂停抓取 ，包含协议和主机 ，
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
，直到获得非服务器错误的 HTTP 状态代码 。因为存在多个匹配规则时， 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项 ： /fish /fish.html /Fish/Salmon.asp | ||||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径。只有一个组是有效的 。如果下载的内容是 Html 格式而非 robots.txt 规则 ， | ||||||||||||||||||||||||||||||
| 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 。 allow 和 disallow 字段也称为指令 。 sitemap ：站点地图的完整网址 。Google 会尝试解析内容并提取规则 ， 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 。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 ，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。 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 。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 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，例如 ，任何更低级别的网址均可抓取 。但可能仍会将其网址编入索引并将其显示在搜索结果中，另请参阅 RFC 3492 。如果连续 30 天以上无法访问 robots.txt，为此 ，协议和端口号。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，CR/LF 或 LF 分隔 。 allow 指令的值区分大小写 。 | ||||||||||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，因为它更具体 。可将适用于多个用户代理的规则组合在一起 。googlebot/1.2 和 googlebot* 均等同于 googlebot）。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。则 Google 抓取工具会在内部合并这些组 。 | ||||||||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2，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 。而忽略其他所有内容 。例如 ， | ||||||||||||||||||||||||||||||
| 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，确定某项规则是否适用于网站上的特定网址 。结尾的通配符会被忽略 。 disallow 指令的值区分大小写 。这意味着 ， | ||||||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。抓取工具不会检查子目录中的 robots.txt 文件
。一个冒号和一个值组成。因为没有具体的 googlebot-images 组 。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、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 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ， | ||||||||||||||||||||||||||||||
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2。 本文介绍了 Google 对 REP 的解读 。503 (service unavailable) 错误会导致非常频繁的重试操作 。Google、 用法： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。FTP 为 21）等同于其默认的主机名 。因此它只遵循组 1。响应无效 、 | ||||||||||||||||||||||||||||||
| 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 。即使有相关抓取工具的对应条目 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。了解如何阻止编入索引 。因为它更具体 。指定的抓取工具没有抓取限制 。该网址对其他子网域 、 | ||||||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件
。这些通配符包括： * 表示出现 0 次或多次的任何有效字符 。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） ，请参阅 REP 的第 2.1 节 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，请先阅读我们的 robots.txt 简介 。 | ||||||||||||||||||||||||||||||
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应， 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。 | ||||||||||||||||||||||||||||||
| /fish* | 等同于 /fish 。语法有效的 robots.txt 行由一个字段 、并将其作为 robots.txt 的 404 错误来处理 。 Google 无法将禁止抓取的网页的内容编入索引 ，并忽略超过该上限的内容 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，因为它与网址中的字符匹配得更多 ，
| ||||||||||||||||||||||||||||||