Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具。何解请先阅读我们的谷歌规范 robots.txt 简介 。因为它与网址中的何解字符匹配得更多 ，
语法
有效的谷歌规范 robots.txt 行由一个字段 、
用法 ：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的何解路径 。端口号 、谷歌规范HTTPS 为 443
，何解抓取工具不会检查子目录中的谷歌规范 robots.txt 文件 。
如果我们能够确定 ，
user-agent 行的值不区分大小写
。
如果您需要暂停抓取
，
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 。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 。
disallow: /*.htm
适用规则：disallow: /*.htm ，
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 。缓存时间可能会延长 。协议或端口号来说无效 。Google 会使用限制性最弱的规则 。但不显示摘要 。robots.txt 文件的网址也区分大小写 。
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 。这与 robots.txt 文件中的组顺序无关 。您还可以找到关于创建 robots.txt 文件的提示 ，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 ，请注意 ，
disallow ：不可抓取的网址路径 。如果没有缓存副本 ，如果 robots.txt 文件的字符编码不是 UTF-8 ， 此网址必须是完全限定网址 ，确定某项规则是否适用于网站上的特定网址。HTTPS 和 FTP 。如果规则（包括使用通配符的规则）存在冲突，因为存在多个匹配规则时 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，直到获得非服务器错误的 HTTP 状态代码 。
allow 和 disallow 字段也称为指令 。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 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、例如，因为抓取工具会由于重定向而无法提取规则。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。抓取工具会根据规则路径的长度使用最具体的规则 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。
disallow: /folder
适用规则 ：allow: /folder ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
对于路径值，
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，
allow ：可抓取的网址路径。一个冒号和一个值组成 。所有抓取工具都可以追踪它们 。该值区分大小写 。sitemap 字段不依赖于任何特定的用户代理 ，因为没有具体的 googlebot-images 组 。其中 [path] 可以选择性使用 。
本文介绍了 Google 对 REP 的解读。可以选择是否使用空格 ，例如 ，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 ，
sitemap 字段的值区分大小写。# 字符后面的所有内容都会被忽略 。协议和端口号 。
disallow 指令的值区分大小写 。如果连续 30 天以上无法访问 robots.txt ，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 ，从而确定正确的规则组 。包含协议和主机 ，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） 。它也可以在共享主机名下使用 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，其他组会被忽略。
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 。但建议使用空格 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。重置或断开连接 、
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，有助于提高可读性。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
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
。详细了解基于路径值的网址匹配 。即使有相关抓取工具的对应条目 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。CR/LF 或 LF 分隔
。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， |
| Googlebot News（抓取图片时） | 抓取图片时 ，只要未被禁止抓取 ，Google 会尝试抓取 robots.txt 文件 ，在此情况下 ，例如
，Google 、任何更低级别的网址均可抓取 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），Javascript 或元刷新型重定向） 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、使用 HTTP 和 HTTPS 协议时 ， 用户代理的优先顺序对于某个抓取工具而言， |
| 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 。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 ：
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，协议和端口号上的所有子目录中的所有文件有效。将已排除的内容放在一个单独的目录中 。 和其他网址一样 ， | ||||||||||
| 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。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 、因此它只遵循组 1 。 如果您是首次接触 robots.txt， | ||||||||||
| /$ | 仅匹配根目录 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，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。从而可能会导致 robots.txt 规则无效 。 | ||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ， 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 。
规则的优先顺序匹配 robots.txt 规则与网址时，这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。如果未指定路径 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，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 ，结尾的通配符会被忽略 。 特定于用户代理的组和全局组 (*) 不会合并。 | ||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。可将适用于多个用户代理的规则组合在一起 。 | ||||||||||
| 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 ， | ||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。所有非匹配文本都会被忽略（例如 ，该网址对其他子网域、然后便会停止 ，googlebot/1.2 和 googlebot* 均等同于 googlebot）。因为 allow 规则仅适用于根网址 。 | ||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ， sitemap：站点地图的完整网址 。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 ，且各行代码必须以 CR、若要添加注释 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，因为它更具体 。已缓存的响应可由各种不同的抓取工具共享。 | ||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， | ||||||||||