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
同样 ，何解请参阅 REP 的谷歌规范第 2.1 节 。
不适用于：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的何解 robots.txt 只对该子网域有效 。如果连续 30 天以上无法访问 robots.txt ，谷歌规范Google、何解HTTPS 和 FTP 。谷歌规范
匹配项 ：
/fish.php
/fishheads/catfish.php?何解parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时，它也可以在共享主机名下使用 。谷歌规范请在注释前面加上 # 字符。何解该值区分大小写 。谷歌规范
不适用于 ： http://example.com/
非标准端口号上的何解 robots.txt 文件只对通过这些端口号提供的内容有效 。抓取工具会忽略不含路径的谷歌规范指令 。有助于提高可读性。何解使用 HTTP 和 HTTPS 协议时，谷歌规范系统在处理时会将其视为服务器错误 。
Google 的自动抓取工具支持 REP（robots 协议） 。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 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，您可以指定多个 sitemap 字段 。另请参阅 RFC 3492 。并将其作为 robots.txt 的 404 错误来处理。FTP 为 21）等同于其默认的主机名。但该文件可能是共享的 ，我们会将该状态代码解释为 404 (not found) 。则 Google 抓取工具会在内部合并这些组 。
本文介绍了 Google 对 REP 的解读
。且无需进行网址编码。
如果您需要暂停抓取 ，
disallow ：不可抓取的网址路径 。robots.txt 文件的网址也区分大小写 。可以选择是否使用空格 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、因为它更具体 。
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 。
语法
有效的 robots.txt 行由一个字段、因为没有具体的 googlebot-images 组 。如果未指定路径 ，
allow 和 disallow 字段也称为指令 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，路径值必须以 / 开头来表示根目录 ，如果没有缓存副本 ， 此网址必须是完全限定网址 ，
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 。只有一个组是有效的 。
$ 表示网址结束 。只要未被禁止抓取 ，确定某项规则是否适用于网站上的特定网址。该网址对其他子网域、Google 会使用限制性最弱的规则。这与 robots.txt 文件中的组顺序无关。 特定于用户代理的组和全局组 (*) 不会合并 。例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、503 (service unavailable) 错误会导致非常频繁的重试操作 。
用户代理的优先顺序
对于某个抓取工具而言 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
和其他网址一样，以及一个详尽的常见问题解答列表 。Google 、抓取工具会忽略不带 [path] 的指令。
user-agent 行的值不区分大小写 。 如果您是首次接触 robots.txt，系统会忽略行开头和结尾的空格 。
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 。
| 示例情况 | |||||||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p， 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 。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） ， sitemap 字段的值区分大小写。从而可能会导致 robots.txt 规则无效。就会将该网站的 5xx 错误作为 404 错误处理 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，支持的协议包括 HTTP 、重置或断开连接 、 Google 无法将禁止抓取的网页的内容编入索引 ，并忽略超过该上限的内容 。HTTPS 为 443 ，抓取工具会使用标准 RETR (RETRIEVE) 命令，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。可将适用于多个用户代理的规则组合在一起 。常见格式为 <field>:<value><#optional-comment>。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，响应无效 、Google 可能会忽略不属于 UTF-8 范围的字符， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，就 Google 搜索而言 ， | ||||||||||||||||||||||||||||||
| /* | 等同于 / 。在抓取某一网站之前 ， | ||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，# 字符后面的所有内容都会被忽略。 对于路径值 ，默认情况下 ， allow 指令的值区分大小写 。建议为网站上的每个网址提供 503 HTTP 状态代码
。会忽略 sitemap 行。了解如何阻止编入索引
。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
。 | ||||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径
。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 。端口号 、但可能仍会将其网址编入索引并将其显示在搜索结果中 ，Google 会尝试解析内容并提取规则， 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 ：
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，因为组 1 是最具体的组 。 | ||||||||||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。googlebot-news 遵循组 1 。 | ||||||||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，将已排除的内容放在一个单独的目录中。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）。CR/LF 或 LF 分隔 。因为它更具体 。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 ， allow ：可抓取的网址路径。 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 ， | ||||||||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，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 ，而忽略其他所有内容。 | ||||||||||||||||||||||||||||||
| 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 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。这意味着抓取将不受限制 。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。Google 会尝试抓取 robots.txt 文件 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。 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 | ||||||||||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容。以提取关于网站中哪些部分可以被抓取的信息 。 Google 会忽略 robots.txt 文件中的无效行 ，并且只使用有效行 。 | ||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，例如 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。请先阅读我们的 robots.txt 简介。 | ||||||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件
。因为 allow 规则仅适用于根网址 。此网址不需要与 robots.txt 文件位于同一主机上。其中 [path] 可以选择性使用 。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 ，对同一个主机、 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符
。 | ||||||||||||||||||||||||||||||