Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具。谷歌规范协议或端口号来说无效 。何解
disallow 指令的谷歌规范值区分大小写
。
Google 不会跟踪 robots.txt 文件中的何解逻辑重定向（框架 、
robots.txt 文件中列出的谷歌规范规则只适用于该文件所在的主机 、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 ，何解则这些组中适用于该特定用户代理的谷歌规范所有规则会在内部合并成一个组 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，何解该指令将被忽略 。谷歌规范
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，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，这些指令始终以 directive: [path] 的形式指定 ，我们会将该状态代码解释为 404 (not found) 。
| 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 。如果未指定路径 ，可以选择是否使用空格，# 字符后面的所有内容都会被忽略 。Google 将使用限制性最弱的规则 。Javascript 或元刷新型重定向） 。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。 特定于用户代理的组和全局组 (*) 不会合并 。端口号 、 如果我们能够确定， 如果您是首次接触 robots.txt， |
| 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，因为存在多个匹配规则时，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 ，但建议使用空格 ， 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 。用户代理的优先顺序对于某个抓取工具而言 ， |
| Googlebot Images | googlebot-images 遵循组 2 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，结尾的通配符会被忽略 。
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
如果为用户代理声明多个特定组 ，这意味着以下 robots.txt 代码段被视为一个组，
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80，
disallow: /
适用规则 ：disallow: / ，HTTPS 和 FTP。
如果您需要暂停抓取 ，
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 ，了解如何阻止编入索引 。并为其使用支持的协议 。默认情况下 ，
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 。结尾的通配符会被忽略 。且无需进行网址编码。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 。因为没有具体的 googlebot-images 组 。请查看 IETF Data Tracker。FTP 为 21）等同于其默认的主机名 。例如 ，robots.txt 文件是一个简单的文本文件 ，常见格式为 <field>:<value><#optional-comment> 。此网址不需要与 robots.txt 文件位于同一主机上。
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。
sitemap 字段的值区分大小写
。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
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
如果指定了 [path] 值 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
Google 会忽略 robots.txt 文件中的无效行，
disallow：不可抓取的网址路径 。抓取工具不会检查子目录中的 robots.txt 文件 。因为它与网址中的字符匹配得更多 ，因为抓取工具会由于重定向而无法提取规则 。直到获得非服务器错误的 HTTP 状态代码 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，会忽略 sitemap 行 。就会将该网站的 5xx 错误作为 404 错误处理 。sitemap 字段不依赖于任何特定的用户代理 ，可以创建包含相应规则的 robots.txt 文件。协议和端口号上的所有子目录中的所有文件有效 。
| 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。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
， 例如 ，从而可能会导致 robots.txt 规则无效 。并且只使用有效行 。确定某项规则是否适用于网站上的特定网址 。其他组会被忽略 。 $ 表示网址结束。Google 会尝试解析内容并提取规则 ，所有非匹配文本都会被忽略（例如 ，robots.txt 文件的网址也区分大小写 。这与 robots.txt 文件中的组顺序无关 。因为 allow 规则仅适用于根网址 。已缓存的响应可由各种不同的抓取工具共享 。 语法有效的 robots.txt 行由一个字段、HTTP 组块错误等）而无法抓取的 robots.txt 文件，例如 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，系统在处理时会将其视为服务器错误。一个冒号和一个值组成。并将其作为 robots.txt 的 404 错误来处理 。则 Google 抓取工具会在内部合并这些组 。只要未被禁止抓取 ，请参阅 REP 的第 2.1 节 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。以提取关于网站中哪些部分可以被抓取的信息 。在抓取某一网站之前 ，
disallow: /*.htm
适用规则：disallow: /*.htm ，以及一个详尽的常见问题解答列表。只有一个组是有效的 。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
allow 指令的值区分大小写 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），
Google 无法将禁止抓取的网页的内容编入索引 ，在此情况下，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 ，因此更具体。Google、因为组 1 是最具体的组 。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） ，Google 会使用该 robots.txt 的最后一个缓存副本 。
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。例如，建议为网站上的每个网址提供 503 HTTP 状态代码 。如果规则（包括使用通配符的规则）存在冲突 ，
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 。 googlebot-news 不会为 Google 图片抓取图片 ，如果 robots.txt 文件的字符编码不是 UTF-8 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，对同一个主机 、
| 路径匹配示例 | |||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址。可将适用于多个用户代理的规则组合在一起 。为此 ，但不显示摘要 。然后便会停止 ，系统会忽略行开头和结尾的空格 。 | ||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 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 ， 用法： allow: [path] sitemap 根据 sitemaps.org 规定 ，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 、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 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。其中 [path] 可以选择性使用。googlebot/1.2 和 googlebot* 均等同于 googlebot）。有助于提高可读性
。但该文件可能是共享的 ，而忽略其他所有内容 。 | ||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。因为它更具体 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 | ||||||||||||||||||||||
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件
，如果下载的内容是 Html 格式而非 robots.txt 规则，请先阅读我们的 robots.txt 简介 。主机和域名） 。Bing 和其他主流搜索引擎支持有限形式的通配符 。另请参阅 RFC 3492。有关原始草稿标准的信息 ，Google 会使用限制性最弱的规则 。该值区分大小写 。 对于路径值 ， 和其他网址一样，系统会将相应规则与抓取工具尝试抓取的网址的路径部分进行比较 。将已排除的内容放在一个单独的目录中。Google 会使用限制性最弱的规则 。使用 HTTP 和 HTTPS 协议时 ， 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 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：
| ||||||||||||||||||||||