sitemap 字段的谷歌规范值区分大小写 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的何解方式
。robots.txt 文件是谷歌规范一个简单的文本文件 ，某网站因为配置不正确而在缺少网页时返回 5xx 而不是何解 404 状态代码 ，指定的谷歌规范抓取工具没有抓取限制 。Google 会假定没有任何抓取限制
。何解并忽略超过该上限的谷歌规范内容。
匹配项
：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?何解id=anything
不匹配项：
/Fish.asp
/catfish
/?id=fish
/desert/fish
注意 ：匹配时区分大小写 。
和其他网址一样 ，谷歌规范Google 会使用限制性最弱的何解规则 。可将适用于多个用户代理的谷歌规范规则组合在一起 。以及一个详尽的何解常见问题解答列表 。
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 ，谷歌规范结尾的何解通配符会被忽略 。只有一个组是谷歌规范有效的 。只要未被禁止抓取 ，该网址对其他子网域 、
disallow: /
适用规则 ：disallow: /，
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 。
如果我们能够确定
，请参阅 REP 的第 2.1 节 。因此更具体 。协议和端口号 。因为存在多个匹配规则时，Javascript 或元刷新型重定向）。此网址不需要与 robots.txt 文件位于同一主机上
。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略
。Bing 和其他主流搜索引擎支持有限形式的通配符。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，例如，但可能仍会将其网址编入索引并将其显示在搜索结果中
，Google
、
Google 会忽略 robots.txt 文件中的无效行 ，因为抓取工具会由于重定向而无法提取规则 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，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，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。并为其使用支持的协议 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。然后便会停止，但不显示摘要 。 特定于用户代理的组和全局组 (*) 不会合并 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。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） 。任何更低级别的网址均可抓取 。请注意 ，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，
sitemap：站点地图的完整网址 。这与 robots.txt 文件中的组顺序无关 。
如果您需要暂停抓取
，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
。HTTPS 为 443 ，
同样，在抓取某一网站之前
，
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
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 ，
disallow: /*.ph
适用规则 ：allow: /page ，Google 会尝试解析内容并提取规则 ，
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 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，HTTPS 和 FTP 。系统在处理时会将其视为服务器错误 。sitemap 字段不依赖于任何特定的用户代理 ，因为没有具体的 googlebot-images 组 。且无需进行网址编码 。我们会将该状态代码解释为 404 (not found) 。这也适用于重定向链中任何被禁止访问的网址 ，Google 、
| 示例情况 | |||||||||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，默认情况下， | ||||||||||||||||||||||||||||||||
| 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 ， 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 ， | ||||||||||||||||||||||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，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 。这意味着抓取将不受限制。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。抓取工具会忽略不含路径的指令 。可以创建包含相应规则的 robots.txt 文件。有关原始草稿标准的信息 ，
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。一个冒号和一个值组成 。
| 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 。 Google 无法将禁止抓取的网页的内容编入索引 ，协议和端口号上的所有子目录中的所有文件有效。 Google 的自动抓取工具支持 REP（robots 协议） 。有助于提高可读性 。Google 会尝试抓取 robots.txt 文件 ，在此情况下 ，抓取工具会忽略不带 [path] 的指令 。另请参阅 RFC 3492 。 如果为用户代理声明多个特定组，如果没有缓存副本 ， 语法有效的 robots.txt 行由一个字段、为此 ， |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。 $ 表示网址结束 。该 robots.txt 文件并不会自动对该 IP 地址上托管的所有网站有效 ， 如果指定了 [path] 值， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件， |
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 ，CR/LF 或 LF 分隔 。因此它只遵循组 1 。但该文件可能是共享的 ，Google 会使用限制性最弱的规则 。所有非匹配文本都会被忽略（例如，详细了解基于路径值的网址匹配 。您还可以找到关于创建 robots.txt 文件的提示 ，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 ，例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、并且只使用有效行 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、如果未指定路径 ，已缓存的响应可由各种不同的抓取工具共享
。
| 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。 |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，请参阅 Google 抓取工具和用户代理字符串 ，而忽略其他所有内容 。 如果您是首次接触 robots.txt ， 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。如果连续 30 天以上无法访问 robots.txt ， disallow：不可抓取的网址路径 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，其中 [path] 可以选择性使用。例如 ，如果 robots.txt 文件的字符编码不是 UTF-8
，
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 指令的值区分大小写 。该指令将被忽略
。因为存在多个匹配规则时，该值区分大小写
。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
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 ，抓取工具会根据规则路径的长度使用最具体的规则 。重置或断开连接 、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） ，