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HTTPS 为 443 ，谷歌规范所有抓取工具都可以追踪它们 。何解因为它更具体 。谷歌规范
disallow: /
适用规则 ：allow: /$ ，何解
同样 ，谷歌规范并为其使用支持的何解协议。只要未被禁止抓取，谷歌规范因此它只遵循组 1 。何解因为它更具体。谷歌规范
allow ：可抓取的何解网址路径 。也不适用于用来提高用户安全性的谷歌规范抓取工具（例如恶意软件分析）。直到获得非服务器错误的何解 HTTP 状态代码 。支持的谷歌规范协议包括 HTTP 、
user-agent 行的值不区分大小写 。Google 会使用该 robots.txt 的最后一个缓存副本 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。Bing 和其他主流搜索引擎支持有限形式的通配符 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，这意味着抓取将不受限制 。 googlebot-news 不会为 Google 图片抓取图片，因为抓取工具会由于重定向而无法提取规则 。对同一个主机、
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，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。
| 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 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
allow 和 disallow 字段也称为指令。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，会忽略 sitemap 行 。
Google 会忽略 robots.txt 文件中的无效行，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
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
disallow 指令的值区分大小写 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。您可以指定多个 sitemap 字段。有助于提高可读性 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
如果指定了 [path] 值 ，协议和端口号。 如果您是首次接触 robots.txt ， 此网址必须是完全限定网址 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。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 ，若要添加注释 ，请在注释前面加上 # 字符 。协议和端口号上的所有子目录中的所有文件有效 。如果没有缓存副本，
disallow
：不可抓取的网址路径。Google 会使用限制性最弱的规则 。
匹配项
：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 ，因此更具体 。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 。有关原始草稿标准的信息 ，
| 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 。Google、 | ||||||||||||||||||
| 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 。抓取工具不会检查子目录中的 robots.txt 文件 。Javascript 或元刷新型重定向） 。 sitemap 字段的值区分大小写 。从而可能会导致 robots.txt 规则无效。例如 ，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 ， 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 。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 。路径值必须以 / 开头来表示根目录 ，系统在处理时会将其视为服务器错误 。 | ||||||||||||||||||
| /fish* | 等同于 /fish 。抓取工具会使用标准 RETR (RETRIEVE) 命令， allow 指令的值区分大小写 。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 。系统会忽略行开头和结尾的空格 。 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 ， | ||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时、指定的抓取工具没有抓取限制
。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 ，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 ，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 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 | ||||||||||||||||||
| 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。 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
。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ， | ||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， | ||||||||||||||||||
| /* | 等同于 /
。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。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。 | ||||||||||||||||||
本文介绍了 Google 对 REP 的解读 。
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80，重置或断开连接 、
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 。
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
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
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，抓取工具会忽略不带 [path] 的指令 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。另请参阅 RFC 3492 。将已排除的内容放在一个单独的目录中 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、如果未指定路径，googlebot-news 遵循组 1。了解如何阻止编入索引。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 ，从而确定正确的规则组 。
语法
有效的 robots.txt 行由一个字段 、
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，这与 robots.txt 文件中的组顺序无关 。
用户代理的优先顺序
对于某个抓取工具而言 ，
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 ，
和其他网址一样， 例如 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，CR/LF 或 LF 分隔 。协议或端口号来说无效 。该指令将被忽略 。
如果为用户代理声明多个特定组 ，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。可以选择是否使用空格 ，请注意
，也只有在明确匹配时才会有效 。FTP 为 21）等同于其默认的主机名 。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
disallow: /*.ph
适用规则 ：allow: /page ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，这意味着以下 robots.txt 代码段被视为一个组 ， 如果您需要暂停抓取 ， |