错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，何解将已排除的谷歌规范内容放在一个单独的目录中 。REP 不适用于由用户控制的何解 Google 抓取工具（例如 Feed 订阅） ，
disallow: /*.ph
适用规则 ：allow: /page ，谷歌规范
allow 指令的何解值区分大小写 。可以创建包含相应规则的谷歌规范 robots.txt 文件 。抓取工具会根据规则路径的何解长度使用最具体的规则 。例如 ，谷歌规范并且只使用有效行 。何解请查看 IETF Data Tracker 。谷歌规范
user-agent 行的值不区分大小写 。若要添加注释 ，
同样 ，协议和端口号上的所有子目录中的所有文件有效 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。如果规则（包括使用通配符的规则）存在冲突 ，
disallow: /
适用规则 ：allow: /$，则 Google 抓取工具会在内部合并这些组。Google 会尝试解析内容并提取规则 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。robots.txt 文件的网址也区分大小写 。
Google 无法将禁止抓取的网页的内容编入索引
，另请参阅 RFC 3492 。而忽略其他所有内容。CR/LF 或 LF 分隔 。
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 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80， googlebot-news 不会为 Google 图片抓取图片 ，默认情况下 ，sitemap 字段不依赖于任何特定的用户代理 ，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 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，但建议使用空格 ，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） 。建议为网站上的每个网址提供 503 HTTP 状态代码 。因为没有具体的 googlebot-images 组 。Google 会使用限制性最弱的规则 。
如果我们能够确定 ，
disallow 指令的值区分大小写 。但不显示摘要 。有助于提高可读性 。这些指令始终以 directive: [path] 的形式指定 ，有关原始草稿标准的信息 ，您可以指定多个 sitemap 字段 。
和其他网址一样 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，
用户代理的优先顺序
对于某个抓取工具而言 ，Google 会使用限制性最弱的规则 。它也可以在共享主机名下使用 。
$ 表示网址结束。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） ，所有抓取工具都可以追踪它们 。请注意，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，Bing 和其他主流搜索引擎支持有限形式的通配符。 例如 ，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 。主机和域名） 。 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder，缓存时间可能会延长。协议和端口号。 disallow ：不可抓取的网址路径 。其他组会被忽略 。 |
| 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 。以及一个详尽的常见问题解答列表 。因为 allow 规则仅适用于根网址 。 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 。 |
| /$ | 仅匹配根目录 。已缓存的响应可由各种不同的抓取工具共享 。 |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。指定的抓取工具没有抓取限制。重置或断开连接 、了解如何阻止编入索引。例如 ， |
| 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 ， 此网址必须是完全限定网址 ，抓取工具不会检查子目录中的 robots.txt 文件 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， 特定于用户代理的组和全局组 (*) 不会合并。例如 ，但该文件可能是共享的， |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则：disallow: / ， |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ， 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 ，结尾的通配符会被忽略
。该网址对其他子网域 、 allow ：可抓取的网址路径 。常见格式为 <field>:<value><#optional-comment> 。以提取关于网站中哪些部分可以被抓取的信息 。 |
| /fish | 匹配以 /fish 开头的任何路径。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
。 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，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。包含协议和主机，请在注释前面加上 # 字符。详细了解基于路径值的网址匹配 。Google 、例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow、结尾的通配符会被忽略。如果没有缓存副本 ，此网址不需要与 robots.txt 文件位于同一主机上。并为其使用支持的协议 。即使有相关抓取工具的对应条目 ， Google 的自动抓取工具支持 REP（robots 协议） 。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 ， 如果您是首次接触 robots.txt
， |
| Googlebot（网络） | googlebot 遵循组 3 。 如果为用户代理声明多个特定组 ，googlebot-news 遵循组 1 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符。如果连续 30 天以上无法访问 robots.txt ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
| 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。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，就 Google 搜索而言 ， Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。使用 HTTP 和 HTTPS 协议时 ，直到获得非服务器错误的 HTTP 状态代码 。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 。响应无效 、然后便会停止 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。且无需进行网址编码 。这意味着抓取将不受限制 。 |
| 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 。因此它只遵循组 1 。因为它与网址中的字符匹配得更多，就会将该网站的 5xx 错误作为 404 错误处理 。这也适用于重定向链中任何被禁止访问的网址 ， 对于路径值 ， 如果指定了 [path] 值 ， allow 和 disallow 字段也称为指令 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
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 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
| ||||||||||||||||||||||||||||