Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。谷歌规范该值区分大小写 。何解该指令将被忽略 。谷歌规范REP 不适用于由用户控制的何解 Google 抓取工具（例如 Feed 订阅） ，
user-agent 行的何解值不区分大小写 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。谷歌规范例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、何解如果 robots.txt 文件的谷歌规范字符编码不是 UTF-8 ，
Google 会忽略 robots.txt 文件中的何解无效行 ，
文件格式
robots.txt 文件必须是谷歌规范采用 UTF-8 编码的纯文本文件 ，
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 ，其中 [path] 可以选择性使用 。 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。
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 ，如果未指定路径 ，所有抓取工具都可以追踪它们 。则 Google 抓取工具会在内部合并这些组 。例如，默认情况下 ， | ||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， 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。Google 会假定没有任何抓取限制。这些通配符包括： * 表示出现 0 次或多次的任何有效字符。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） 。请参阅 REP 的第 2.1 节 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， | ||||||||||||||||
| 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 。 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 。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 。 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 ， 用户代理的优先顺序对于某个抓取工具而言 ，但不显示摘要。请参阅 Google 抓取工具和用户代理字符串 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，该网址对其他子网域 、 | ||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm，这些指令始终以 directive: [path] 的形式指定 ， | ||||||||||||||||
| 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 ，为此， 如果指定了 [path] 值 ，而忽略其他所有内容 。并且只使用有效行 。端口号 、 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 。 | ||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径。结尾的通配符会被忽略 。 | ||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。任何更低级别的网址均可抓取 。例如
，抓取工具会忽略不含路径的指令
。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 ，Google 会使用限制性最弱的规则 。支持的协议包括 HTTP 、协议或端口号来说无效。Google 将使用限制性最弱的规则 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。但该文件可能是共享的 ，例如，其他组会被忽略。如果连续 30 天以上无法访问 robots.txt ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。
规则的优先顺序匹配 robots.txt 规则与网址时 ，所有非匹配文本都会被忽略（例如 ，只有一个组是有效的 。路径值必须以 / 开头来表示根目录 ， sitemap ：站点地图的完整网址 。了解如何阻止编入索引。这也适用于重定向链中任何被禁止访问的网址 ， 语法有效的 robots.txt 行由一个字段 、直到获得非服务器错误的 HTTP 状态代码。 | ||||||||||||||||
| 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 ， disallow 指令的值区分大小写
。可以创建包含相应规则的 robots.txt 文件 。如果下载的内容是 Html 格式而非 robots.txt 规则，Google 会尝试解析内容并提取规则 ，因此更具体。因为 allow 规则仅适用于根网址 。 | ||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。可以选择是否使用空格， 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 。此网址不需要与 robots.txt 文件位于同一主机上。 | ||||||||||||||||
| 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。系统在处理时会将其视为服务器错误。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） ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，因为存在多个匹配规则时 ，因为没有具体的 googlebot-images 组 。因为组 1 是最具体的组 。会忽略 sitemap 行 。这意味着以下 robots.txt 代码段被视为一个组 ，HTTPS 为 443，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。# 字符后面的所有内容都会被忽略。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、robots.txt 文件是一个简单的文本文件 ，然后便会停止 ，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 。503 (service unavailable) 错误会导致非常频繁的重试操作。以提取关于网站中哪些部分可以被抓取的信息 。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置。就 Google 搜索而言 ，若要添加注释， allow 指令的值区分大小写 。确定某项规则是否适用于网站上的特定网址 。抓取工具不会检查子目录中的 robots.txt 文件 。请在注释前面加上 # 字符 。使用 HTTP 和 HTTPS 协议时 ，Google 、 和其他网址一样 ， 此网址必须是完全限定网址 ， allow 和 disallow 字段也称为指令 。 | ||||||||||||||||
| 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 。Google 会使用限制性最弱的规则 。 | ||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、系统会忽略行开头和结尾的空格
。robots.txt 文件的网址也区分大小写 。重置或断开连接
、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，抓取工具会根据规则路径的长度使用最具体的规则 。Javascript 或元刷新型重定向）。 | ||||||||||||||||
| /* | 等同于 /。且无需进行网址编码 。 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项： /fish /fish.html /Fish/Salmon.asp | ||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，另请参阅 RFC 3492 。 | ||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ， robots.txt 文件中列出的规则只适用于该文件所在的主机 、Bing 和其他主流搜索引擎支持有限形式的通配符 。如果规则（包括使用通配符的规则）存在冲突 ，有助于提高可读性。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 。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 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。并为其使用支持的协议 。Google 可能会忽略不属于 UTF-8 范围的字符， 例如 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ， 如果为用户代理声明多个特定组 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， 如果您是首次接触 robots.txt ，也只有在明确匹配时才会有效 。我们会将该状态代码解释为 404 (not found) 。sitemap 字段不依赖于任何特定的用户代理 ， | ||||||||||||||||
| http://example.com:8181/robots.txt | 适用于 ： http://example.com:8181/ 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 。 | ||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，因为它更具体 。 Google 的自动抓取工具支持 REP（robots 协议） 。Google 会使用该 robots.txt 的最后一个缓存副本。请查看 IETF Data Tracker 。因为它更具体 。结尾的通配符会被忽略。 用法： allow: [path] sitemap 根据 sitemaps.org 规定 ， | ||||||||||||||||
| http://www.example.com/robots.txt | 适用于： http://www.example.com/ 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。从而确定正确的规则组 。Google 、抓取工具会忽略不带 [path] 的指令 。 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 。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 ，包含协议和主机 ， | ||||||||||||||||
| /$ | 仅匹配根目录 。FTP 为 21）等同于其默认的主机名 。 | ||||||||||||||||