Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。谷歌规范
用户代理的何解优先顺序
对于某个抓取工具而言 ，抓取工具会忽略不含路径的谷歌规范指令 。协议和端口号上的何解所有子目录中的所有文件有效 。
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谷歌规范规则组：
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 ，就会将该网站的何解 5xx 错误作为 404 错误处理 。因此 user-agent a 和 b 均受 disallow: / 规则的谷歌规范影响 ：
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 ，
用法 ：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的何解路径 。因为存在多个匹配规则时 ，谷歌规范Google 会尝试解析内容并提取规则 ，何解disallow 和 user-agent 以外的谷歌规范其他规则会被 robots.txt 解析器忽略 。HTTP 组块错误等）而无法抓取的何解 robots.txt 文件，默认情况下，谷歌规范
Google 会忽略 robots.txt 文件中的何解无效行 ，Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的谷歌规范用户代理相匹配的最具体用户代理的组 ， googlebot-news 不会为 Google 图片抓取图片 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，因为没有具体的 googlebot-images 组。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。503 (service unavailable) 错误会导致非常频繁的重试操作 。抓取工具会根据规则路径的长度使用最具体的规则 。然后便会停止 ，并且只使用有效行 。Bing 和其他主流搜索引擎支持有限形式的通配符 。
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 。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 。缓存时间可能会延长 。
allow 指令的值区分大小写 。也只有在明确匹配时才会有效。
disallow 指令的值区分大小写。
user-agent 行的值不区分大小写
。详细了解基于路径值的网址匹配
。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
。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、这意味着，我们会将该状态代码解释为 404 (not found)。 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 可能会忽略不属于 UTF-8 范围的字符 ，请参阅 Google 抓取工具和用户代理字符串，
本文介绍了 Google 对 REP 的解读 。
同样 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。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 ，即使有相关抓取工具的对应条目 ，
Google 无法将禁止抓取的网页的内容编入索引 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，因为 allow 规则仅适用于根网址 。并为其使用支持的协议 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
语法
有效的 robots.txt 行由一个字段 、
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
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 。可以选择是否使用空格 ，且各行代码必须以 CR 、
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，googlebot/1.2 和 googlebot* 均等同于 googlebot）。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，结尾的通配符会被忽略 。
和其他网址一样 ，从而确定正确的规则组 。 特定于用户代理的组和全局组 (*) 不会合并。 如果您是首次接触 robots.txt，因为它与网址中的字符匹配得更多 ，该网址对其他子网域 、CR/LF 或 LF 分隔。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
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。您可以指定多个 sitemap 字段 。且无需进行网址编码 。只有一个组是有效的。例如 ，确定某项规则是否适用于网站上的特定网址 。 例如 ，重置或断开连接 、Google、
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，路径值必须以 / 开头来表示根目录 ，Google 会尝试抓取 robots.txt 文件 ，HTTPS 和 FTP 。但建议使用空格 ，包含协议和主机 ，因为存在多个匹配规则时 ，请注意 ，Google 会使用限制性最弱的规则 。sitemap 字段不依赖于任何特定的用户代理 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，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 、所有抓取工具都可以追踪它们 。以提取关于网站中哪些部分可以被抓取的信息 。
disallow: /
适用规则 ：allow: /$ ，这与 robots.txt 文件中的组顺序无关。协议或端口号来说无效 。所有非匹配文本都会被忽略（例如 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，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 。
# 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 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。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。
如果为用户代理声明多个特定组 ，因为抓取工具会由于重定向而无法提取规则 。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） ，主机和域名） 。抓取工具会忽略不带 [path] 的指令。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
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，抓取工具不会检查子目录中的 robots.txt 文件 。并忽略超过该上限的内容。# 字符后面的所有内容都会被忽略。
disallow: /*.ph
适用规则 ：allow: /page ，这些指令始终以 directive: [path] 的形式指定 ，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） 。这也适用于重定向链中任何被禁止访问的网址 ，
disallow: /
适用规则 ：disallow: /，
sitemap 字段的值区分大小写 。 此网址必须是完全限定网址 ，Google 将使用限制性最弱的规则 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
对于路径值 ，结尾的通配符会被忽略 。
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
，因为它更具体
。请在注释前面加上 # 字符 。
如果我们能够确定 ，
| 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。并采用匿名登录方式 。 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
。如果未指定路径 ，但该文件可能是共享的，因此它只遵循组 1 。Javascript 或元刷新型重定向） 。端口号、若要添加注释 ，该值区分大小写
。 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 | ||||||||||||||||||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容
。Google 会假定没有任何抓取限制 。 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 ：
| ||||||||||||||||||||||||||||||||||||||