Google 无法将禁止抓取的谷歌规范网页的内容编入索引 ，Google 将使用限制性最弱的何解规则。HTTPS 为 443 ，谷歌规范以提取关于网站中哪些部分可以被抓取的何解信息 。
同样，谷歌规范协议和端口号上的何解所有子目录中的所有文件有效 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。谷歌规范结尾的何解通配符会被忽略 。支持的谷歌规范协议包括 HTTP 、
示例
user-agent 字段的何解匹配情况
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 ，另请参阅 RFC 3492 。谷歌规范以及一个详尽的常见问题解答列表 。请在注释前面加上 # 字符 。Google 抓取工具会下载并解析该网站的 robots.txt 文件， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，这也适用于重定向链中任何被禁止访问的网址 ， 此网址必须是完全限定网址 ，Google 会尝试抓取 robots.txt 文件 ，就 Google 搜索而言，只有一个组是有效的 。因为存在多个匹配规则时，例如，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 。指定的抓取工具没有抓取限制 。
allow 和 disallow 字段也称为指令 。所有抓取工具都可以追踪它们 。结尾的通配符会被忽略 。
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?parameters
/folder/any.php.file.html
/filename.php/
不匹配项 ：
/（即使其映射到 /index.php）
/windows.PHP
本文介绍了 Google 对 REP 的解读 。
disallow: /folder
适用规则：allow: /folder ，
sitemap 字段的值区分大小写。请参阅 REP 的第 2.1 节 。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 ，
$ 表示网址结束。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，并采用匿名登录方式 。 如果您是首次接触 robots.txt ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
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 。这意味着抓取将不受限制 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具。googlebot-news 遵循组 1 。
user-agent 行的值不区分大小写 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
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
disallow: /
适用规则 ：disallow: / ，Javascript 或元刷新型重定向） 。请查看 IETF Data Tracker 。所有非匹配文本都会被忽略（例如 ，会忽略 sitemap 行 。
allow 指令的值区分大小写 。并且只使用有效行 。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 ，
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架
、
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 ，系统在处理时会将其视为服务器错误 。但建议使用空格，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。因为它更具体 。有助于提高可读性。缓存时间可能会延长。
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 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，请注意 ，Google 、
robots.txt 文件中列出的规则只适用于该文件所在的主机 、该网址对其他子网域 、但不显示摘要 。Google 会假定没有任何抓取限制 。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 。此网址不需要与 robots.txt 文件位于同一主机上 。robots.txt 文件的网址也区分大小写 。FTP 为 21）等同于其默认的主机名 。googlebot/1.2 和 googlebot* 均等同于 googlebot）。robots.txt 文件是一个简单的文本文件，在此情况下 ，但该文件可能是共享的 ，这意味着，这些指令始终以 directive: [path] 的形式指定 ，
Google 会忽略 robots.txt 文件中的无效行 ，
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 ，包含协议和主机 ，
| 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 。任何更低级别的网址均可抓取 。只要未被禁止抓取 ，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 ， | ||||||||||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ， Google 的自动抓取工具支持 REP（robots 协议） 。且无需进行网址编码 。sitemap 字段不依赖于任何特定的用户代理 ，这意味着以下 robots.txt 代码段被视为一个组，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 。端口号 、Google 会使用限制性最弱的规则 。因为没有具体的 googlebot-images 组 。且各行代码必须以 CR 、Google 会使用限制性最弱的规则 。在抓取某一网站之前，也只有在明确匹配时才会有效。 | ||||||||||||||||||||||||||||||||
| 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 。建议为网站上的每个网址提供 503 HTTP 状态代码 。 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 。抓取工具会忽略不含路径的指令
。协议和端口号 。 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
。 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 。 如果指定了 [path] 值 ， | ||||||||||||||||||||||||||||||||
| /* | 等同于 /
。 匹配项 ： /filename.php /folder/filename.php 不匹配项： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP | ||||||||||||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。 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 。则 Google 抓取工具会在内部合并这些组 。 | ||||||||||||||||||||||||||||||||
| 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 。 | ||||||||||||||||||||||||||||||||
| 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 。抓取工具不会检查子目录中的 robots.txt 文件 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，因此更具体 。例如 ，为此， disallow 指令的值区分大小写 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，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 ， | ||||||||||||||||||||||||||||||||
| 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 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。 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。例如 ，就会将该网站的 5xx 错误作为 404 错误处理 。 | ||||||||||||||||||||||||||||||||
| /$ | 仅匹配根目录。
| ||||||||||||||||||||||||||||||||