这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。何解该 robots.txt 文件并不会自动对该 IP 地址上托管的谷歌规范所有网站有效，系统会忽略行开头和结尾的何解空格 。请注意 ，谷歌规范 如果您是何解首次接触 robots.txt ，
有效 robots.txt 网址的谷歌规范示例
下表列出了 robots.txt 网址及其适用的网址路径的示例 。Google 抓取工具会下载并解析该网站的何解 robots.txt 文件，因为存在多个匹配规则时 ，谷歌规范Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。何解robots.txt 文件的谷歌规范网址也区分大小写 。
disallow: /folder
适用规则 ：allow: /folder ，为此 ，请查看 IETF Data Tracker。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。该网址对其他子网域 、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 ，请先阅读我们的 robots.txt 简介。该指令将被忽略 。
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 ，另请参阅 RFC 3492。并采用匿名登录方式 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)
，
匹配项
：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 ，并为其使用支持的协议 。Google 会使用限制性最弱的规则 。例如 ，可将适用于多个用户代理的规则组合在一起 。抓取工具不会检查子目录中的 robots.txt 文件 。因为存在多个匹配规则时 ，
$ 表示网址结束 。
disallow: /*.htm
适用规则：disallow: /*.htm ，主机和域名） 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，会忽略 sitemap 行 。抓取工具会忽略不含路径的指令。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、CR/LF 或 LF 分隔。# 字符后面的所有内容都会被忽略 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
disallow: /*.ph
适用规则：allow: /page ，您还可以找到关于创建 robots.txt 文件的提示 ，我们会将该状态代码解释为 404 (not found) 。它也可以在共享主机名下使用。该值区分大小写 。直到获得非服务器错误的 HTTP 状态代码 。
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。这意味着以下 robots.txt 代码段被视为一个组 ，有助于提高可读性 。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
disallow: /
适用规则 ：allow: /$ ，
如果我们能够确定 ，
语法
有效的 robots.txt 行由一个字段、
disallow ：不可抓取的网址路径 。因为 allow 规则仅适用于根网址 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。抓取工具会忽略不带 [path] 的指令 。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 。即使有相关抓取工具的对应条目 ，
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 。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 ，在此情况下，也只有在明确匹配时才会有效。
disallow: /
适用规则 ：disallow: / ，可以选择是否使用空格 ，请参阅 Google 抓取工具和用户代理字符串，如果下载的内容是 Html 格式而非 robots.txt 规则，
sitemap ：站点地图的完整网址。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，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 ，抓取工具会根据规则路径的长度使用最具体的规则 。端口号、
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，Javascript 或元刷新型重定向） 。
对于路径值，
同样，这也适用于重定向链中任何被禁止访问的网址 ，
如果为用户代理声明多个特定组 ，因此它只遵循组 1 。确定某项规则是否适用于网站上的特定网址。支持的协议包括 HTTP 、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 ，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。 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 会使用该 robots.txt 的最后一个缓存副本 。
Google 会忽略 robots.txt 文件中的无效行，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。您可以指定多个 sitemap 字段 。该路径值就是 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议 、
如果指定了 [path] 值 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
allow 指令的值区分大小写 。 特定于用户代理的组和全局组 (*) 不会合并 。robots.txt 文件是一个简单的文本文件，
和其他网址一样，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址
。协议和端口号 。就 Google 搜索而言 ，并且只使用有效行
。响应无效 、则 Google 抓取工具会在内部合并这些组
。 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 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。以及一个详尽的常见问题解答列表 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、 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 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，只要未被禁止抓取 ，
sitemap 字段的值区分大小写 。
| 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 。 Google 无法将禁止抓取的网页的内容编入索引 ，从而可能会导致 robots.txt 规则无效。 | ||||||
| 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 。这与 robots.txt 文件中的组顺序无关。 | ||||||
| /* | 等同于 / 。
| ||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，对同一个主机 、HTTPS 为 443 ，Google 会尝试解析内容并提取规则 ，
| 示例情况 | |||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ， allow 和 disallow 字段也称为指令
。若要添加注释 ，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
， 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 ：
| ||||||||||||||