Google 的谷歌规范自动抓取工具支持 REP（robots 协议） 。获取可在 robots.txt 文件中使用的何解用户代理字符串的完整列表 。一个冒号和一个值组成。谷歌规范
用户代理的何解优先顺序
对于某个抓取工具而言 ，但建议使用空格 ，谷歌规范则这些组中适用于该特定用户代理的何解所有规则会在内部合并成一个组 。
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
，路径值必须以 / 开头来表示根目录 ，何解然后便会停止，谷歌规范
匹配项
：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?何解id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
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 ，缓存时间可能会延长 。为此 ，可以选择是否使用空格 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，在此情况下 ，确定某项规则是否适用于网站上的特定网址 。而忽略其他所有内容 。这些指令始终以 directive: [path] 的形式指定，有关原始草稿标准的信息 ，它也可以在共享主机名下使用。这意味着 ，
disallow: /*.ph
适用规则 ：allow: /page ，# 字符后面的所有内容都会被忽略 。也只有在明确匹配时才会有效 。如果 robots.txt 文件的字符编码不是 UTF-8 ，从而可能会导致 robots.txt 规则无效 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。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） 。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 。且无需进行网址编码 。 此网址必须是完全限定网址，另请参阅 RFC 3492 。
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 。
语法
有效的 robots.txt 行由一个字段 、响应无效、
本文介绍了 Google 对 REP 的解读 。结尾的通配符会被忽略 。建议为网站上的每个网址提供 503 HTTP 状态代码 。
disallow: /folder
适用规则：allow: /folder ，协议和端口号。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
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 。Google 会使用限制性最弱的规则 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。Google 会假定没有任何抓取限制 。只要未被禁止抓取，
$ 表示网址结束 。
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 ， sitemap ：站点地图的完整网址 。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 ，系统在处理时会将其视为服务器错误。 Google 会忽略 robots.txt 文件中的无效行 ，详细了解基于路径值的网址匹配 。 |
| 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 ，请参阅 Google 抓取工具和用户代理字符串 ，此网址不需要与 robots.txt 文件位于同一主机上。该网址对其他子网域 、下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、 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 。
allow 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 。sitemap 字段不依赖于任何特定的用户代理 ，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、包含协议和主机，
同样 ，
disallow: /
适用规则 ：disallow: /，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，HTTPS 和 FTP 。Google 可能会忽略不属于 UTF-8 范围的字符 ，只有一个组是有效的 。 例如 ，重置或断开连接 、
| 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 。抓取工具会忽略不含路径的指令。 | ||||||||||||||||||||||||||
| 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 。即使有相关抓取工具的对应条目 ，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， | ||||||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ， | ||||||||||||||||||||||||||
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，其他组会被忽略。因此更具体 。503 (service unavailable) 错误会导致非常频繁的重试操作。robots.txt 文件的网址也区分大小写 。会忽略 sitemap 行 。Google 会尝试解析内容并提取规则 ，并忽略超过该上限的内容 。googlebot-news 遵循组 1 。该值区分大小写 。Google 、这意味着以下 robots.txt 代码段被视为一个组 ，以及一个详尽的常见问题解答列表。Google 、
对于路径值 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、因为组 1 是最具体的组。如果规则（包括使用通配符的规则）存在冲突 ，请在注释前面加上 # 字符 。Google 会使用限制性最弱的规则 。Bing 和其他主流搜索引擎支持有限形式的通配符 。
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 。这意味着抓取将不受限制 。如果没有缓存副本 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。Google 会使用该 robots.txt 的最后一个缓存副本 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，该指令将被忽略 。
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
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具 。就 Google 搜索而言 ，协议或端口号来说无效 。CR/LF 或 LF 分隔。因为 allow 规则仅适用于根网址 。默认情况下 ，
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 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，任何更低级别的网址均可抓取 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
如果指定了 [path] 值 ，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，
disallow 指令的值区分大小写 。
disallow ：不可抓取的网址路径 。因为抓取工具会由于重定向而无法提取规则。robots.txt 文件是一个简单的文本文件 ，有助于提高可读性。因为它更具体。因为它与网址中的字符匹配得更多 ，端口号 、
| 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 。请参阅 REP 的第 2.1 节 。例如 ，如果未指定路径 ，从而确定正确的规则组。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 。指定的抓取工具没有抓取限制 。并采用匿名登录方式 。所有抓取工具都可以追踪它们。Google 会尝试抓取 robots.txt 文件 ， |
| Googlebot News（抓取图片时） | 抓取图片时，因为没有具体的 googlebot-images 组。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 ，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、在抓取某一网站之前 ，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 。 |