如果为用户代理声明多个特定组 ，谷歌规范下面说明了抓取工具如何理解之前的何解 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 ，example.com 的谷歌规范 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，
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。端口号 、指定的抓取工具没有抓取限制 。因为抓取工具会由于重定向而无法提取规则 。因为它更具体。robots.txt 文件是一个简单的文本文件 ，
同样，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
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。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
allow ：可抓取的网址路径 。支持的协议包括 HTTP
、 此网址必须是完全限定网址
， 如果您是首次接触 robots.txt
，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、因此它只遵循组 1 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。缓存时间可能会延长。我们会将该状态代码解释为 404 (not found) 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，路径值必须以 / 开头来表示根目录 ，该指令将被忽略。Google 、其他组会被忽略 。这意味着以下 robots.txt 代码段被视为一个组 ，对同一个主机 、但不显示摘要 。其中 [path] 可以选择性使用 。然后便会停止 ，协议或端口号来说无效 。
disallow: /
适用规则 ：disallow: / ，
$ 表示网址结束 。另请参阅 RFC 3492 。它也可以在共享主机名下使用
。并且只使用有效行。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
disallow: /*.ph
适用规则：allow: /page ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，您可以通过整合会导致 robots.txt 文件过大的指令来减小 robots.txt 文件的大小 。从而确定正确的规则组 。
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，googlebot/1.2 和 googlebot* 均等同于 googlebot）。
disallow 指令的值区分大小写 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。因为存在多个匹配规则时，在抓取某一网站之前 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。
Google 会忽略 robots.txt 文件中的无效行 ，如果 robots.txt 文件的字符编码不是 UTF-8 ，因为没有具体的 googlebot-images 组 。因为它更具体 。包含协议和主机 ，请查看 IETF Data Tracker 。
disallow: /folder
适用规则：allow: /folder ，以提取关于网站中哪些部分可以被抓取的信息 。抓取工具会忽略不带 [path] 的指令 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，有关原始草稿标准的信息 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，就 Google 搜索而言 ，确定某项规则是否适用于网站上的特定网址 。 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 。例如 ，CR/LF 或 LF 分隔。这意味着抓取将不受限制。主机和域名） 。建议为网站上的每个网址提供 503 HTTP 状态代码 。 sitemap ：站点地图的完整网址 。 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 。您可以指定多个 sitemap 字段 。这意味着 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，请参阅 REP 的第 2.1 节 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
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 。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 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，因此更具体。直到获得非服务器错误的 HTTP 状态代码 。
| 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 。Javascript 或元刷新型重定向）。 |
| 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 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，一个冒号和一个值组成 。例如 ，可以选择是否使用空格 ，Google 会使用限制性最弱的规则。Google 会尝试抓取 robots.txt 文件 ，详细了解基于路径值的网址匹配 。 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 ， |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容
。 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 。 |
| 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。 allow 和 disallow 字段也称为指令 。# 字符后面的所有内容都会被忽略 。抓取工具不会检查子目录中的 robots.txt 文件 。Google 会假定没有任何抓取限制 。HTTPS 为 443 ，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 ，例如 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，并将其作为 robots.txt 的 404 错误来处理 。
| 路径匹配示例 | |||||||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址。 | ||||||||||||||||||||||||||||||||
| 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。robots.txt 文件的网址也区分大小写 。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，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。 disallow ：不可抓取的网址路径 。 | ||||||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径
。
规则的优先顺序匹配 robots.txt 规则与网址时 ，HTTPS 和 FTP。这也适用于重定向链中任何被禁止访问的网址 ，此网址不需要与 robots.txt 文件位于同一主机上 。因为组 1 是最具体的组
。 | ||||||||||||||||||||||||||||||||