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
$ 表示网址结束 。何解例如 ，谷歌规范Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的何解用户代理相匹配的最具体用户代理的组 ，任何更低级别的谷歌规范网址均可抓取。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。何解googlebot-news 遵循组 1 。谷歌规范所有抓取工具都可以追踪它们。何解
如果为用户代理声明多个特定组 ，谷歌规范并忽略超过该上限的内容。
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 。请参阅 Google 抓取工具和用户代理字符串 ，Google 可能会忽略不属于 UTF-8 范围的字符，
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
disallow 指令的值区分大小写。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，如果连续 30 天以上无法访问 robots.txt ，
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 ，
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。请查看 IETF Data Tracker 。因为抓取工具会由于重定向而无法提取规则 。有助于提高可读性 。但该文件可能是共享的，
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。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 。FTP 为 21）等同于其默认的主机名 。
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，重置或断开连接 、
disallow: /*.ph
适用规则 ：allow: /page ， 此网址必须是完全限定网址 ，即使有相关抓取工具的对应条目 ，如果未指定路径 ，则 Google 抓取工具会在内部合并这些组 。
如果您需要暂停抓取 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
sitemap 字段的值区分大小写 。也只有在明确匹配时才会有效。只要未被禁止抓取 ，系统在处理时会将其视为服务器错误。这意味着抓取将不受限制 。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 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。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 。而忽略其他所有内容。Google 会尝试抓取 robots.txt 文件 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，请参阅 REP 的第 2.1 节 。协议和端口号 。抓取工具不会检查子目录中的 robots.txt 文件。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。
本文介绍了 Google 对 REP 的解读 。Google 会使用限制性最弱的规则。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。 |
| 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 ，对同一个主机 、一个冒号和一个值组成 。将已排除的内容放在一个单独的目录中 。 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 ，指定的抓取工具没有抓取限制 。Bing 和其他主流搜索引擎支持有限形式的通配符 。
和其他网址一样 ，就 Google 搜索而言，
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 。所有非匹配文本都会被忽略（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 。并且只使用有效行 。
allow 指令的值区分大小写 。
匹配项
：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
disallow: /folder
适用规则：allow: /folder ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，这意味着以下 robots.txt 代码段被视为一个组 ，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 。
如果我们能够确定
，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 ，此网址不需要与 robots.txt 文件位于同一主机上 。 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。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
| 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 。 |
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
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 ，因为存在多个匹配规则时 ，
Google 的自动抓取工具支持 REP（robots 协议）。从而可能会导致 robots.txt 规则无效 。503 (service unavailable) 错误会导致非常频繁的重试操作 。
allow ：可抓取的网址路径 。因为它更具体 。
语法
有效的 robots.txt 行由一个字段 、
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
allow 和 disallow 字段也称为指令。
disallow ：不可抓取的网址路径 。可将适用于多个用户代理的规则组合在一起 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。以提取关于网站中哪些部分可以被抓取的信息 。但建议使用空格 ，因此更具体 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，
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 ，因为它更具体 。我们会将该状态代码解释为 404 (not found) 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。HTTPS 和 FTP 。主机和域名） 。 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、有关原始草稿标准的信息 ，确定某项规则是否适用于网站上的特定网址 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)， 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 。 用法： allow: [path] sitemap 根据 sitemaps.org 规定 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，端口号、详细了解基于路径值的网址匹配 。并采用匿名登录方式 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，您还可以找到关于创建 robots.txt 文件的提示 ，为此 ，在抓取某一网站之前， robots.txt 文件中列出的规则只适用于该文件所在的主机 、 特定于用户代理的组和全局组 (*) 不会合并 。Google 、例如： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow、请先阅读我们的 robots.txt 简介 。因为 allow 规则仅适用于根网址。从而确定正确的规则组。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，Google 会使用限制性最弱的规则 。另请参阅 RFC 3492。
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 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。若要添加注释 ，以及一个详尽的常见问题解答列表。
| 示例情况 | |||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，常见格式为 <field>:<value><#optional-comment> 。了解如何阻止编入索引 。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） ，建议为网站上的每个网址提供 503 HTTP 状态代码 。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 。缓存时间可能会延长 。Google 会假定没有任何抓取限制 。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 ， sitemap：站点地图的完整网址。且各行代码必须以 CR 、如果 robots.txt 文件的字符编码不是 UTF-8 ，因为组 1 是最具体的组 。可以选择是否使用空格 ，请在注释前面加上 # 字符。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 ，就会将该网站的 5xx 错误作为 404 错误处理 。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ， | ||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，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 、 googlebot-news 不会为 Google 图片抓取图片 ，其中 [path] 可以选择性使用 。 | ||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ， 用户代理的优先顺序对于某个抓取工具而言 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ， 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 。sitemap 字段不依赖于任何特定的用户代理，因此它只遵循组 1 。CR/LF 或 LF 分隔。 user-agent 行的值不区分大小写 。 例如 ，抓取工具会忽略不带 [path] 的指令 。这些指令始终以 directive: [path] 的形式指定 ，包含协议和主机 ， 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， | ||||||||||