Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。何解这些指令始终以 directive: [path] 的谷歌规范形式指定 ，主机和域名）。何解可将适用于多个用户代理的谷歌规范规则组合在一起。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的何解方式 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，谷歌规范Bing 和其他主流搜索引擎支持 robots.txt 中的何解 sitemap 字段 。您可以通过整合会导致 robots.txt 文件过大的谷歌规范指令来减小 robots.txt 文件的大小 。
disallow: /
适用规则 ：disallow: /，何解在此情况下 ，谷歌规范
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，因为存在多个匹配规则时，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，例如 ，
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
，Javascript 或元刷新型重定向） 。结尾的通配符会被忽略 。从而可能会导致 robots.txt 规则无效。抓取工具会忽略不含路径的指令 。因为没有具体的 googlebot-images 组 。因此它只遵循组 1 。系统在处理时会将其视为服务器错误。Google 可能会忽略不属于 UTF-8 范围的字符 ，
如果您需要暂停抓取 ，
| 示例情况 | |||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，指定的抓取工具没有抓取限制 。确定某项规则是否适用于网站上的特定网址 。 同样 ，这意味着以下 robots.txt 代码段被视为一个组
， | ||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径。直到获得非服务器错误的 HTTP 状态代码。 对于路径值 ，Google 会使用限制性最弱的规则 。该指令将被忽略。 | ||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，# 字符后面的所有内容都会被忽略 。 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 、 此网址必须是完全限定网址 ，HTTPS 和 FTP 。HTTPS 为 443 ，并采用匿名登录方式 。并为其使用支持的协议 。但建议使用空格 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ， Google 会忽略 robots.txt 文件中的无效行，如果没有缓存副本， Google 无法将禁止抓取的网页的内容编入索引 ，例如，因为它与网址中的字符匹配得更多，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ， | ||||||||||||||||
| /fish* | 等同于 /fish。请参阅 REP 的第 2.1 节
。例如 ， sitemap 字段的值区分大小写。 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 ：
user-agent 行的值不区分大小写 。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， | ||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，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 ，即使有相关抓取工具的对应条目 ，响应无效 、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 ，但不显示摘要 。您还可以找到关于创建 robots.txt 文件的提示 ，且无需进行网址编码 。 用户代理的优先顺序对于某个抓取工具而言 ， | ||||||||||||||||
| 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。 Google 的自动抓取工具支持 REP（robots 协议） 。 | ||||||||||||||||
| 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 。其他组会被忽略 。 | ||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件。您可以指定多个 sitemap 字段 。Google 会使用该 robots.txt 的最后一个缓存副本 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 特定于用户代理的组和全局组 (*) 不会合并 。 user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、 | ||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。语法有效的 robots.txt 行由一个字段 、 allow：可抓取的网址路径 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，我们会将该状态代码解释为 404 (not found) 。 | ||||||||||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，
不适用于 ： http://example.com/
非标准端口号上的 robots.txt 文件只对通过这些端口号提供的内容有效 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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，该网址对其他子网域 、这意味着 ，Google 、所有抓取工具都可以追踪它们 。
本文介绍了 Google 对 REP 的解读 。
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 。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 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
| 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 。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） ， 如果指定了 [path] 值
， | ||||||||
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2 。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 。 | ||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向，
规则的优先顺序匹配 robots.txt 规则与网址时
，常见格式为 <field>:<value><#optional-comment>。这也适用于重定向链中任何被禁止访问的网址 ， 用法： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。请在注释前面加上 # 字符 。一个冒号和一个值组成 。例如 ，其中 [path] 可以选择性使用 。以及一个详尽的常见问题解答列表 。 和其他网址一样 ，若要添加注释 ，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 ，sitemap 字段不依赖于任何特定的用户代理 ，而忽略其他所有内容 。将已排除的内容放在一个单独的目录中 。并且只使用有效行 。 | ||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时， | ||||||||
| /* | 等同于 /
。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、 例如， allow 和 disallow 字段也称为指令 。请先阅读我们的 robots.txt 简介 。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 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件，抓取工具会忽略不带 [path] 的指令。对同一个主机 、disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略
。 | ||||||||