Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。何解
如果为用户代理声明多个特定组 ，谷歌规范抓取工具会使用标准 RETR (RETRIEVE) 命令，何解因为没有具体的谷歌规范 googlebot-images 组 。
disallow 指令的谷歌规范值区分大小写 。其中包含关于哪些抓取工具可以访问网站的何解哪些部分的规则 。端口号 、谷歌规范但可能仍会将其网址编入索引并将其显示在搜索结果中 ，何解所有抓取工具都可以追踪它们 。谷歌规范
user-agent 行的何解值不区分大小写 。这也适用于重定向链中任何被禁止访问的谷歌规范网址 ，
disallow: /
适用规则 ：allow: /$ ，何解一个冒号和一个值组成。谷歌规范在抓取某一网站之前 ，
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 ，Google 、Google 会尝试抓取 robots.txt 文件 ，Google 会使用限制性最弱的规则。使用 HTTP 和 HTTPS 协议时 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，这意味着 ，googlebot-news 遵循组 1 。结尾的通配符会被忽略 。Google、
| 示例情况 | |||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，CR/LF 或 LF 分隔 。请在注释前面加上 # 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。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ， | ||||||||||||||
| /fish* | 等同于 /fish
。会忽略 sitemap 行
。另请参阅 RFC 3492
。HTTPS 和 FTP 。只要未被禁止抓取 ，这与 robots.txt 文件中的组顺序无关。 和其他网址一样 ， 用户代理的优先顺序对于某个抓取工具而言 ，若要添加注释 ，也只有在明确匹配时才会有效 。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 ，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 ， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。 | ||||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
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，但不显示摘要 。主机和域名） 。此网址不需要与 robots.txt 文件位于同一主机上。从而确定正确的规则组 。对同一个主机 、其中 [path] 可以选择性使用 。已缓存的响应可由各种不同的抓取工具共享 。这些指令始终以 directive: [path] 的形式指定 ，可以创建包含相应规则的 robots.txt 文件 。结尾的通配符会被忽略 。Bing 和其他主流搜索引擎支持有限形式的通配符。指定的抓取工具没有抓取限制 。了解如何阻止编入索引 。您可以指定多个 sitemap 字段 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，抓取工具不会检查子目录中的 robots.txt 文件 。建议为网站上的每个网址提供 503 HTTP 状态代码。
$ 表示网址结束。并将其作为 robots.txt 的 404 错误来处理 。有关原始草稿标准的信息 ，
allow 指令的值区分大小写 。抓取工具会忽略不含路径的指令 。如果 robots.txt 文件的字符编码不是 UTF-8，
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。example.com 的 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 ，以提取关于网站中哪些部分可以被抓取的信息。
disallow: /folder
适用规则 ：allow: /folder ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
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 ，因为存在多个匹配规则时 ，robots.txt 文件是一个简单的文本文件，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。协议和端口号上的所有子目录中的所有文件有效
。它也可以在共享主机名下使用
。 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 ，默认情况下 ，直到获得非服务器错误的 HTTP 状态代码 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，Google 会尝试解析内容并提取规则 ，而忽略其他所有内容 。
如果您需要暂停抓取 ，如果连续 30 天以上无法访问 robots.txt ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，
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。请先阅读我们的 robots.txt 简介 。因为它更具体 。确定某项规则是否适用于网站上的特定网址 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
disallow: /
适用规则 ：disallow: / ，
sitemap ：站点地图的完整网址 。
如果指定了 [path] 值 ， 此网址必须是完全限定网址 ，
Google 无法将禁止抓取的网页的内容编入索引
，并为其使用支持的协议 。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） ，
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
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
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 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，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 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
Google 会忽略 robots.txt 文件中的无效行 ，详细了解基于路径值的网址匹配 。
同样 ，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 ，
allow：可抓取的网址路径 。因此更具体 。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 ，且无需进行网址编码。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
本文介绍了 Google 对 REP 的解读。
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。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址。 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 ，就 Google 搜索而言 ， |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 |
| 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 ，所有非匹配文本都会被忽略（例如 ，因此它只遵循组 1 。将已排除的内容放在一个单独的目录中 。但建议使用空格 ， 特定于用户代理的组和全局组 (*) 不会合并 。 |
| Googlebot News（抓取图片时） | 抓取图片时 ，我们会将该状态代码解释为 404 (not found) 。例如 ，例如 ， |
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，FTP 为 21）等同于其默认的主机名 。
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
allow 和 disallow 字段也称为指令 。
| 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 。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、 语法有效的 robots.txt 行由一个字段 、Google 可能会忽略不属于 UTF-8 范围的字符 ， |
| Googlebot Images | googlebot-images 遵循组 2 ，重置或断开连接 、 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。 |
| Googlebot（网络） | googlebot 遵循组 3 。sitemap 字段不依赖于任何特定的用户代理 ，从而可能会导致 robots.txt 规则无效。 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 。如果未指定路径，该值区分大小写 。但该文件可能是共享的 ， 如果您是首次接触 robots.txt ，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 ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ， sitemap 字段的值区分大小写 。该网址对其他子网域 、 |