Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。谷歌规范并采用匿名登录方式 。何解默认情况下 ，谷歌规范
Google 会忽略 robots.txt 文件中的何解无效行
，您可以通过整合会导致 robots.txt 文件过大的谷歌规范指令来减小 robots.txt 文件的大小。
Google 不会跟踪 robots.txt 文件中的何解逻辑重定向（框架 、
allow 指令的谷歌规范值区分大小写 。这意味着抓取将不受限制 。何解有助于提高可读性 。谷歌规范Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。何解已缓存的谷歌规范响应可由各种不同的抓取工具共享 。协议或端口号来说无效 。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 。
disallow: /*.htm
适用规则：disallow: /*.htm ，
disallow: /*.ph
适用规则 ：allow: /page ，可以创建包含相应规则的 robots.txt 文件。
user-agent 行的值不区分大小写 。
sitemap 字段的值区分大小写 。
disallow: /
适用规则 ：disallow: / ，
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 。其他组会被忽略 。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，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，而忽略其他所有内容 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。因为它更具体 。
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。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，有关原始草稿标准的信息 ，
$ 表示网址结束 。这也适用于重定向链中任何被禁止访问的网址，也只有在明确匹配时才会有效 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，因此它只遵循组 1 。直到获得非服务器错误的 HTTP 状态代码 。然后便会停止 ，详细了解基于路径值的网址匹配 。503 (service unavailable) 错误会导致非常频繁的重试操作 。
disallow: /folder
适用规则 ：allow: /folder，
disallow 指令的值区分大小写 。请先阅读我们的 robots.txt 简介 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。指定的抓取工具没有抓取限制 。 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 。robots.txt 文件是一个简单的文本文件 ，结尾的通配符会被忽略 。
Google 的自动抓取工具支持 REP（robots 协议） 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，路径值必须以 / 开头来表示根目录，
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。
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，我们会将该状态代码解释为 404 (not found) 。
和其他网址一样
，# 字符后面的所有内容都会被忽略
。
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
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，Javascript 或元刷新型重定向） 。
如果为用户代理声明多个特定组 ，
disallow: /
适用规则 ：allow: /$ ，抓取工具会忽略不带 [path] 的指令 。
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 ，Google 会尝试抓取 robots.txt 文件 ，即使有相关抓取工具的对应条目 ，此网址不需要与 robots.txt 文件位于同一主机上 。
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
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
同样，如果连续 30 天以上无法访问 robots.txt ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。因为它与网址中的字符匹配得更多，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 。只有一个组是有效的 。
如果我们能够确定 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，常见格式为 <field>:<value><#optional-comment> 。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 。因为存在多个匹配规则时，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，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 。这意味着以下 robots.txt 代码段被视为一个组 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p， 如果您是首次接触 robots.txt ，系统会忽略行开头和结尾的空格。请参阅 REP 的第 2.1 节 。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、HTTPS 为 443 ，抓取工具会根据规则路径的长度使用最具体的规则 。另请参阅 RFC 3492 。 |
| /fish* | 等同于 /fish 。其中 [path] 可以选择性使用 。 |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，Google 会使用限制性最弱的规则 。该指令将被忽略 。因此更具体。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，这与 robots.txt 文件中的组顺序无关。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 。则 Google 抓取工具会在内部合并这些组 。并为其使用支持的协议 。且无需进行网址编码 。
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 。但建议使用空格 ，
| 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 。确定某项规则是否适用于网站上的特定网址 。这些通配符包括： * 表示出现 0 次或多次的任何有效字符 。并将其作为 robots.txt 的 404 错误来处理 。抓取工具不会检查子目录中的 robots.txt 文件 。Google 会假定没有任何抓取限制 。Google、例如 ，从而可能会导致 robots.txt 规则无效 。所有抓取工具都可以追踪它们 。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，请注意，Google 会使用限制性最弱的规则 。 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 。一个冒号和一个值组成 。该网址对其他子网域 、对同一个主机 、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 ， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。 如果指定了 [path] 值 ， | ||||||||||||
| http://www.exämple.com/robots.txt | 适用于 ： 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。 此网址必须是完全限定网址，使用 HTTP 和 HTTPS 协议时 ，例如 ， | ||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，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 ，您还可以找到关于创建 robots.txt 文件的提示， | ||||||||||||
| /* | 等同于 /
。FTP 为 21）等同于其默认的主机名
。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，Bing 和其他主流搜索引擎支持有限形式的通配符
。以及一个详尽的常见问题解答列表 。 allow ：可抓取的网址路径 。CR/LF 或 LF 分隔 。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 ，系统在处理时会将其视为服务器错误 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则。 | ||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。了解如何阻止编入索引 。因为它更具体
。
规则的优先顺序匹配 robots.txt 规则与网址时 ，在此情况下 ，在抓取某一网站之前 ， | ||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。且各行代码必须以 CR 、Google 、这意味着
，缓存时间可能会延长
。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，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 ，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 、 sitemap ：站点地图的完整网址 。 disallow：不可抓取的网址路径。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。 googlebot-news 不会为 Google 图片抓取图片，请查看 IETF Data Tracker 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， 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 ，如果规则（包括使用通配符的规则）存在冲突 ，为此，如果未指定路径，它也可以在共享主机名下使用 。并且只使用有效行 。将已排除的内容放在一个单独的目录中 。 | ||||||||||||
| 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。请参阅 Google 抓取工具和用户代理字符串 ，请在注释前面加上 # 字符 。包含协议和主机 ， 语法有效的 robots.txt 行由一个字段 、因为抓取工具会由于重定向而无法提取规则。抓取工具会忽略不含路径的指令。robots.txt 文件的网址也区分大小写。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 ， Google 无法将禁止抓取的网页的内容编入索引 ， 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 ：
| ||||||||||||