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
disallow: /
适用规则 ：allow: /$ ，谷歌规范该路径值就是何解 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议 、这也适用于重定向链中任何被禁止访问的谷歌规范网址 ，在此情况下，何解也只有在明确匹配时才会有效。谷歌规范可以创建包含相应规则的何解 robots.txt 文件 。包括 robots.txt 文件开头处的谷歌规范 Unicode 字节顺序标记 (BOM) ，只要未被禁止抓取 ，何解robots.txt 文件的谷歌规范网址也区分大小写 。因为它更具体 。何解disallow 和 user-agent 以外的谷歌规范其他规则会被 robots.txt 解析器忽略 。
如果我们能够确定 ，何解获取可在 robots.txt 文件中使用的谷歌规范用户代理字符串的完整列表 。
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 。常见格式为 <field>:<value><#optional-comment>。
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
，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、并忽略超过该上限的内容
。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。在抓取某一网站之前 ，Google 会使用限制性最弱的规则。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 。
sitemap 字段的值区分大小写 。如果没有缓存副本 ，这意味着抓取将不受限制 。默认情况下 ，有助于提高可读性 。
allow 指令的值区分大小写 。您可以指定多个 sitemap 字段。但不显示摘要 。Google 会尝试抓取 robots.txt 文件 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，就 Google 搜索而言，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。抓取工具不会检查子目录中的 robots.txt 文件 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
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 ，重置或断开连接 、缓存时间可能会延长 。 例如 ，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 。并为其使用支持的协议。CR/LF 或 LF 分隔 。Google 抓取工具会下载并解析该网站的 robots.txt 文件，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。且无需进行网址编码 。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 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。这些指令始终以 directive: [path] 的形式指定 ，
如果为用户代理声明多个特定组 ，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，
$ 表示网址结束 。
Google 的自动抓取工具支持 REP（robots 协议） 。则 Google 抓取工具会在内部合并这些组 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，且各行代码必须以 CR 、Google 可能会忽略不属于 UTF-8 范围的字符 ，其中 [path] 可以选择性使用。就会将该网站的 5xx 错误作为 404 错误处理 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，这意味着以下 robots.txt 代码段被视为一个组 ，因为存在多个匹配规则时 ，使用 HTTP 和 HTTPS 协议时 ，
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
Google 无法将禁止抓取的网页的内容编入索引 ，Google 将使用限制性最弱的规则 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
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， |
| Googlebot News（抓取图片时） | 抓取图片时 ，但建议使用空格 ，请参阅 REP 的第 2.1 节 。 |
| 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 。 和其他网址一样 ，因为没有具体的 googlebot-images 组 。 如果指定了 [path] 值 ， |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2。抓取工具会忽略不含路径的指令 。包含协议和主机，以及一个详尽的常见问题解答列表 。 |
| /fish* | 等同于 /fish 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，所有抓取工具都可以追踪它们 。如果未指定路径，从而确定正确的规则组。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 。主机和域名） 。googlebot-news 遵循组 1。系统会忽略行开头和结尾的空格 。并采用匿名登录方式 。详细了解基于路径值的网址匹配 。响应无效 、 |
| /* | 等同于 /。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
，抓取工具会根据规则路径的长度使用最具体的规则。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，因此更具体。 allow：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
。支持的协议包括 HTTP 、 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， 如果您是首次接触 robots.txt ，对同一个主机、503 (service unavailable) 错误会导致非常频繁的重试操作 。 |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm，请注意 ， 语法有效的 robots.txt 行由一个字段 、例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、因为 allow 规则仅适用于根网址 。 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。协议和端口号上的所有子目录中的所有文件有效 。如果 robots.txt 文件的字符编码不是 UTF-8， |
| 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 ，Google 会尝试解析内容并提取规则 ，请参阅 Google 抓取工具和用户代理字符串 ，例如 ， robots.txt 文件中列出的规则只适用于该文件所在的主机 、 |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，该值区分大小写 。Google 会使用该 robots.txt 的最后一个缓存副本 。因为抓取工具会由于重定向而无法提取规则 。
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 ，
用户代理的优先顺序
对于某个抓取工具而言 ，结尾的通配符会被忽略。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，该指令将被忽略 。这意味着，直到获得非服务器错误的 HTTP 状态代码 。# 字符后面的所有内容都会被忽略 。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，
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 。Google 、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 ，了解如何阻止编入索引 。即使有相关抓取工具的对应条目，请查看 IETF Data Tracker。因为组 1 是最具体的组。这与 robots.txt 文件中的组顺序无关 。Javascript 或元刷新型重定向）。并且只使用有效行 。HTTPS 为 443 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。
| 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 。有关原始草稿标准的信息 ，Google 会假定没有任何抓取限制 。 sitemap ：站点地图的完整网址 。路径值必须以 / 开头来表示根目录 ，端口号 、 | ||||||||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2， user-agent 行的值不区分大小写 。您还可以找到关于创建 robots.txt 文件的提示 ，但该文件可能是共享的 ， 对于路径值 ，从而可能会导致 robots.txt 规则无效 。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 ，确定某项规则是否适用于网站上的特定网址 。
| ||||||||||||||||||||||||||||||