Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。何解即使有相关抓取工具的谷歌规范对应条目 ，因为 allow 规则仅适用于根网址。何解端口号、谷歌规范robots.txt 文件的何解网址也区分大小写 。抓取工具会使用标准 RETR (RETRIEVE) 命令，谷歌规范
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的何解位置。并忽略超过该上限的谷歌规范内容 。HTTPS 为 443 ，何解因为组 1 是谷歌规范最具体的组 。路径值必须以 / 开头来表示根目录，何解
如果您需要暂停抓取 ， 特定于用户代理的组和全局组 (*) 不会合并 。重置或断开连接、获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。 如果您是首次接触 robots.txt，Google 会尝试解析内容并提取规则 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。直到获得非服务器错误的 HTTP 状态代码 。它也可以在共享主机名下使用 。FTP 为 21）等同于其默认的主机名 。Google 会假定没有任何抓取限制 。从而确定正确的规则组 。
disallow: /folder
适用规则：allow: /folder ，
$ 表示网址结束。因为存在多个匹配规则时 ，因此更具体 。就 Google 搜索而言 ，请查看 IETF Data Tracker 。但不显示摘要 。协议或端口号来说无效 。此网址不需要与 robots.txt 文件位于同一主机上。
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 。Google 、对同一个主机 、这意味着抓取将不受限制 。该指令将被忽略 。结尾的通配符会被忽略 。例如，Google 抓取工具会下载并解析该网站的 robots.txt 文件，Google 可能会忽略不属于 UTF-8 范围的字符，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） ，Google 会尝试抓取 robots.txt 文件 ，系统在处理时会将其视为服务器错误 。如果未指定路径 ，在抓取某一网站之前，
sitemap ：站点地图的完整网址。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 、
disallow: /
适用规则 ：disallow: / ，为此 ，
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 ，协议和端口号 。如果规则（包括使用通配符的规则）存在冲突 ， robots.txt 文件中列出的规则只适用于该文件所在的主机 、 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，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，因为它更具体 。 |
| ftp://example.com/robots.txt | 适用于： ftp://example.com/ 不适用于： http://example.com/ |
| http://212.96.82.21/robots.txt | 适用于 ： http://212.96.82.21/ 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。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。因此它只遵循组 1 。而忽略其他所有内容。已缓存的响应可由各种不同的抓取工具共享 。 Google 会忽略 robots.txt 文件中的无效行
，在此情况下， |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，如果连续 30 天以上无法访问 robots.txt， 此网址必须是完全限定网址 ，
allow 和 disallow 字段也称为指令。
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 ，会忽略 sitemap 行 。且无需进行网址编码 。该值区分大小写。指定的抓取工具没有抓取限制 。
和其他网址一样 ，
disallow 指令的值区分大小写 。
如果我们能够确定，主机和域名）
。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。# 字符后面的所有内容都会被忽略 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，然后便会停止 ，其中 [path] 可以选择性使用 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。并为其使用支持的协议 。使用 HTTP 和 HTTPS 协议时 ，
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 。并且只使用有效行 。
语法
有效的 robots.txt 行由一个字段、CR/LF 或 LF 分隔 。可以选择是否使用空格，如果 robots.txt 文件的字符编码不是 UTF-8 ，其他组会被忽略 。所有抓取工具都可以追踪它们。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 。只有一个组是有效的 。这些指令始终以 directive: [path] 的形式指定 ，
disallow: /
适用规则 ：allow: /$ ，
对于路径值 ，任何更低级别的网址均可抓取 。
| 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 。sitemap 字段不依赖于任何特定的用户代理 ，Javascript 或元刷新型重定向） 。包含协议和主机 ， | ||||||||||||||
| 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 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，这意味着 ，因为没有具体的 googlebot-images 组 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，用户代理的优先顺序对于某个抓取工具而言， | ||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径。 | ||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，但可能仍会将其网址编入索引并将其显示在搜索结果中，如果没有缓存副本， | ||||||||||||||
| 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 ， 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 | ||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径。从而可能会导致 robots.txt 规则无效 。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，默认情况下， 同样 ， googlebot-news 不会为 Google 图片抓取图片 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。抓取工具会根据规则路径的长度使用最具体的规则 。 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 。了解如何阻止编入索引。 本文介绍了 Google 对 REP 的解读 。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 ，但建议使用空格 ，抓取工具会忽略不带 [path] 的指令 。 allow 指令的值区分大小写 。也只有在明确匹配时才会有效。以提取关于网站中哪些部分可以被抓取的信息。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 ，因为它更具体 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。常见格式为 <field>:<value><#optional-comment> 。 | ||||||||||||||
| /*.php | 匹配包含 .php 的任何路径。Google 会使用限制性最弱的规则 。googlebot-news 遵循组 1 。 | ||||||||||||||
| /* | 等同于 / 。 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。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， | ||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、若要添加注释， | ||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，确定某项规则是否适用于网站上的特定网址 。就会将该网站的 5xx 错误作为 404 错误处理 。可以创建包含相应规则的 robots.txt 文件 。因为存在多个匹配规则时 ， 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 ，例如 ，
disallow: /*.ph
适用规则：allow: /page ，系统会忽略行开头和结尾的空格 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。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 。有关原始草稿标准的信息 ，
Google 无法将禁止抓取的网页的内容编入索引 ，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 ，请参阅 REP 的第 2.1 节 。 例如 ，
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 。抓取工具会忽略不含路径的指令。
Google 的自动抓取工具支持 REP（robots 协议）。一个冒号和一个值组成 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
| 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 。 如果为用户代理声明多个特定组 ，详细了解基于路径值的网址匹配 。 |