* 表示出现 0 次或多次的何解任何有效字符 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。谷歌规范主机和域名） 。何解
Google 的谷歌规范自动抓取工具支持 REP（robots 协议） 。
对于路径值 ，何解下面说明了抓取工具如何理解之前的谷歌规范 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 ，但建议使用空格 ，何解robots.txt 文件的谷歌规范网址也区分大小写。
| 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 。何解请先阅读我们的谷歌规范 robots.txt 简介。若要添加注释 ，何解您可以通过整合会导致 robots.txt 文件过大的谷歌规范指令来减小 robots.txt 文件的大小 。因为存在多个匹配规则时 ，何解 allow 和 disallow 字段也称为指令
。谷歌规范从而可能会导致 robots.txt 规则无效。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时
，该网址对其他子网域 、也只有在明确匹配时才会有效
。常见格式为 <field>:<value><#optional-comment>。
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
，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，使用 HTTP 和 HTTPS 协议时，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，这也适用于重定向链中任何被禁止访问的网址 ，因为抓取工具会由于重定向而无法提取规则 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。缓存时间可能会延长。
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 。因为它与网址中的字符匹配得更多 ，HTTPS 为 443 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，从而确定正确的规则组 。 例如 ，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。抓取工具会忽略不带 [path] 的指令 。 |
| Googlebot News（抓取图片时） | 抓取图片时 ，因为 allow 规则仅适用于根网址 。 |
| 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，抓取工具会忽略不含路径的指令。 |
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ，您还可以找到关于创建 robots.txt 文件的提示 ，Google、Google 会尝试解析内容并提取规则，Google 将使用限制性最弱的规则 。该指令将被忽略 。Google 会假定没有任何抓取限制 。 |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置。# 字符后面的所有内容都会被忽略 。 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。只有一个组是有效的。 |
allow 指令的值区分大小写 。其中 [path] 可以选择性使用 。另请参阅 RFC 3492 。Google 会尝试抓取 robots.txt 文件 ，例如 ，因此更具体 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、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 ，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 ，协议或端口号来说无效 。
sitemap ：站点地图的完整网址。为此
，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。googlebot-news 遵循组 1 。如果连续 30 天以上无法访问 robots.txt ，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。如果下载的内容是 Html 格式而非 robots.txt 规则，
如果我们能够确定 ，结尾的通配符会被忽略 。
如果您需要暂停抓取 ，并忽略超过该上限的内容 。抓取工具会根据规则路径的长度使用最具体的规则 。
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 。并且只使用有效行 。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） ，可将适用于多个用户代理的规则组合在一起。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）。Google 会使用限制性最弱的规则。
Google 会忽略 robots.txt 文件中的无效行 ，例如 ，所有非匹配文本都会被忽略（例如，任何更低级别的网址均可抓取 。有助于提高可读性。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，并采用匿名登录方式 。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，因为存在多个匹配规则时 ，
sitemap 字段的值区分大小写。但该文件可能是共享的，Javascript 或元刷新型重定向）
。端口号 、
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 ，请参阅 Google 抓取工具和用户代理字符串 ，重置或断开连接、
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。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 、
如果为用户代理声明多个特定组 ，
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
/desert/fish
注意 ：匹配时区分大小写
。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，如果未指定路径 ，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 ，路径值必须以 / 开头来表示根目录，此网址不需要与 robots.txt 文件位于同一主机上
。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
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 ， 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 。robots.txt 文件是一个简单的文本文件
，就会将该网站的 5xx 错误作为 404 错误处理
。 $ 表示网址结束 。 user-agent 行的值不区分大小写。系统会忽略行开头和结尾的空格 。 语法有效的 robots.txt 行由一个字段 、 如果您是首次接触 robots.txt ，即使有相关抓取工具的对应条目 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 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。请注意 ，
| ||||||||||||||||||||||||||||||||