Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。何解所有抓取工具都可以追踪它们。谷歌规范Google 、何解这意味着以下 robots.txt 代码段被视为一个组 ，谷歌规范这与 robots.txt 文件中的何解组顺序无关。这些指令始终以 directive: [path] 的谷歌规范形式指定 ，
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 地址作为主机名的何解 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。谷歌规范此网址不需要与 robots.txt 文件位于同一主机上 。何解
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，谷歌规范因为存在多个匹配规则时
，何解
匹配项：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?谷歌规范id=anything
不匹配项：
/Fish.asp
/catfish
/?id=fish
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 ，
如果指定了 [path] 值 ，则 Google 抓取工具会在内部合并这些组 。但不显示摘要 。有关原始草稿标准的信息 ，并采用匿名登录方式。HTTPS 和 FTP 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。HTTPS 为 443，例如 ，从而确定正确的规则组 。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 。确定某项规则是否适用于网站上的特定网址 。结尾的通配符会被忽略 。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 。结尾的通配符会被忽略 。
disallow: /*.ph
适用规则 ：allow: /page ，也只有在明确匹配时才会有效 。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，支持的协议包括 HTTP、常见格式为 <field>:<value><#optional-comment> 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
$ 表示网址结束 。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 。 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 。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 ，了解如何阻止编入索引 。
Google 会忽略 robots.txt 文件中的无效行 ，抓取工具不会检查子目录中的 robots.txt 文件 。
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 。
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，一个冒号和一个值组成 。
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 ， Google 的自动抓取工具支持 REP（robots 协议） 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。如果没有缓存副本 ， | ||||||||||||||||||||||||||||||
| 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 ， | ||||||||||||||||||||||||||||||
| /$ | 仅匹配根目录 。因为它更具体。robots.txt 文件是一个简单的文本文件，Google 抓取工具会下载并解析该网站的 robots.txt 文件，Google 会使用该 robots.txt 的最后一个缓存副本 。 | ||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，请参阅 REP 的第 2.1 节。因为 allow 规则仅适用于根网址 。会忽略 sitemap 行 。因为存在多个匹配规则时 ，Javascript 或元刷新型重定向） 。就会将该网站的 5xx 错误作为 404 错误处理 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符。您还可以找到关于创建 robots.txt 文件的提示 ，googlebot-news 遵循组 1 。抓取工具会忽略不带 [path] 的指令 。如果连续 30 天以上无法访问 robots.txt，该值区分大小写 。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关， | ||||||||||||||||||||||||||||||
| 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
， sitemap 字段的值区分大小写 。 | ||||||||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，在此情况下 ，robots.txt 文件的网址也区分大小写。抓取工具会忽略不含路径的指令 。因为抓取工具会由于重定向而无法提取规则 。 | ||||||||||||||||||||||||||||||
| http://example.com:8181/robots.txt | 适用于
： http://example.com:8181/ 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 。Google 会尝试抓取 robots.txt 文件 ， | ||||||||||||||||||||||||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，
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 。其中 [path] 可以选择性使用。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，
sitemap ：站点地图的完整网址。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，这意味着抓取将不受限制 。请查看 IETF Data Tracker 。该网址对其他子网域
、
如果我们能够确定 ，
用户代理的优先顺序
对于某个抓取工具而言
，
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 。
disallow ：不可抓取的网址路径 。 例如，
user-agent 行的值不区分大小写 。
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。只要未被禁止抓取 ， 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 ，
disallow 指令的值区分大小写 。它也可以在共享主机名下使用。
allow 和 disallow 字段也称为指令。并为其使用支持的协议 。重置或断开连接 、直到获得非服务器错误的 HTTP 状态代码 。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 ，主机和域名） 。可将适用于多个用户代理的规则组合在一起 。如果规则（包括使用通配符的规则）存在冲突，
Google 无法将禁止抓取的网页的内容编入索引 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
| 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 。 | ||||||||
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2 。Google 会尝试解析内容并提取规则 ，就 Google 搜索而言 ，例如 ，请先阅读我们的 robots.txt 简介 。 | ||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ，已缓存的响应可由各种不同的抓取工具共享 。这意味着 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。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。路径值必须以 / 开头来表示根目录 ，请注意 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。可以选择是否使用空格 ， 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
。将已排除的内容放在一个单独的目录中
。以提取关于网站中哪些部分可以被抓取的信息
。若要添加注释
，例如 ，例如
，请在注释前面加上 # 字符 。
| ||||||||