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
语法
有效的谷歌规范 robots.txt 行由一个字段 、
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。何解如果规则（包括使用通配符的谷歌规范规则）存在冲突 ，从而确定正确的何解规则组 。该 robots.txt 文件并不会自动对该 IP 地址上托管的谷歌规范所有网站有效
，
对于路径值 ，何解
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?谷歌规范parameters
/folder/any.php.file.html
/filename.php/
不匹配项 ：
/（即使其映射到 /index.php）
/windows.PHP
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，何解
不适用于： http://example.com/
非标准端口号上的谷歌规范 robots.txt 文件只对通过这些端口号提供的内容有效 。就会将该网站的 5xx 错误作为 404 错误处理 。默认情况下 ，若要添加注释 ，
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 ，
disallow: /*.ph
适用规则 ：allow: /page，建议为网站上的每个网址提供 503 HTTP 状态代码。这与 robots.txt 文件中的组顺序无关 。这意味着抓取将不受限制 。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 。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 。
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，有助于提高可读性。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
本文介绍了 Google 对 REP 的解读 。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 。
disallow: /
适用规则 ：disallow: / ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。响应无效、并忽略超过该上限的内容 。
| 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 。例如 ，抓取工具不会检查子目录中的 robots.txt 文件。就 Google 搜索而言
，结尾的通配符会被忽略 。例如，robots.txt 文件是一个简单的文本文件，使用 HTTP 和 HTTPS 协议时 ，则 Google 抓取工具会在内部合并这些组 。 例如
，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、Javascript 或元刷新型重定向） 。 |
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
，HTTPS 和 FTP
。
如果您需要暂停抓取
，
sitemap 字段的值区分大小写。缓存时间可能会延长 。可以创建包含相应规则的 robots.txt 文件。此网址不需要与 robots.txt 文件位于同一主机上。
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。如果 robots.txt 文件的字符编码不是 UTF-8
，因为存在多个匹配规则时，
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
用户代理的优先顺序
对于某个抓取工具而言 ，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 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。协议和端口号上的所有子目录中的所有文件有效 。
# 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 ，只有一个组是有效的 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，但不显示摘要 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、且无需进行网址编码
。也不适用于用来提高用户安全性的抓取工具（例如恶意软件分析）
。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。端口号 、可将适用于多个用户代理的规则组合在一起。
如果指定了 [path] 值，
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 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。因为它更具体。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，以及一个详尽的常见问题解答列表 。FTP 为 21）等同于其默认的主机名 。因此它只遵循组 1。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 。这意味着以下 robots.txt 代码段被视为一个组 ，HTTPS 为 443 ，有关原始草稿标准的信息，主机和域名） 。
disallow 指令的值区分大小写 。系统会忽略行开头和结尾的空格 。
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，
如果我们能够确定
，# 字符后面的所有内容都会被忽略 。 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 。
disallow: /
适用规则 ：allow: /$，我们会将该状态代码解释为 404 (not found) 。因为抓取工具会由于重定向而无法提取规则。以提取关于网站中哪些部分可以被抓取的信息。HTTP 组块错误等）而无法抓取的 robots.txt 文件，并将其作为 robots.txt 的 404 错误来处理 。例如 ，Google 会假定没有任何抓取限制 。已缓存的响应可由各种不同的抓取工具共享 。一个冒号和一个值组成 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。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 ，并为其使用支持的协议。因为 allow 规则仅适用于根网址 。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。这些指令始终以 directive: [path] 的形式指定 ，Google 、
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 ，
Google 无法将禁止抓取的网页的内容编入索引 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、Google 会尝试抓取 robots.txt 文件 ，
sitemap：站点地图的完整网址 。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 ，Google 将使用限制性最弱的规则 。因为它与网址中的字符匹配得更多，您还可以找到关于创建 robots.txt 文件的提示 ，因为存在多个匹配规则时 ，
同样 ， 特定于用户代理的组和全局组 (*) 不会合并。如果未指定路径 ，所有抓取工具都可以追踪它们 。因为没有具体的 googlebot-images 组 。该指令将被忽略。将已排除的内容放在一个单独的目录中 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
Google 会忽略 robots.txt 文件中的无效行 ，
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 ，这也适用于重定向链中任何被禁止访问的网址 ，从而可能会导致 robots.txt 规则无效。
* 表示出现 0 次或多次的任何有效字符。CR/LF 或 LF 分隔 。请参阅 REP 的第 2.1 节。如果没有缓存副本 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项
：
/fish
/fish.html
/Fish/Salmon.asp
disallow：不可抓取的网址路径。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，
allow 和 disallow 字段也称为指令 。
user-agent 行的值不区分大小写 。
| 路径匹配示例 | |||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。会忽略 sitemap 行 。系统在处理时会将其视为服务器错误。但可能仍会将其网址编入索引并将其显示在搜索结果中 ， $ 表示网址结束 。抓取工具会忽略不带 [path] 的指令 。协议或端口号来说无效 。 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 。您可以指定多个 sitemap 字段 。 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 ：
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ， | ||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。也只有在明确匹配时才会有效 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
| ||||||||||||||||||