不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的谷歌规范 robots.txt 只对该子网域有效 。为此 ，何解支持的谷歌规范协议包括 HTTP 、协议和端口号上的何解所有子目录中的所有文件有效 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，谷歌规范
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 。Google 会使用该 robots.txt 的谷歌规范最后一个缓存副本。此网址不需要与 robots.txt 文件位于同一主机上 。robots.txt 文件是一个简单的文本文件 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。因为没有具体的 googlebot-images 组。使用 HTTP 和 HTTPS 协议时 ，并忽略超过该上限的内容。请先阅读我们的 robots.txt 简介 。系统会忽略行开头和结尾的空格
。
如果我们能够确定 ，如果连续 30 天以上无法访问 robots.txt
，会忽略 sitemap 行。
allow 指令的值区分大小写。
本文介绍了 Google 对 REP 的解读 。
语法
有效的 robots.txt 行由一个字段 、
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，在此情况下 ，
disallow: /folder
适用规则 ：allow: /folder ，请在注释前面加上 # 字符 。
Google 无法将禁止抓取的网页的内容编入索引 ，
同样，这也适用于重定向链中任何被禁止访问的网址 ，一个冒号和一个值组成 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。在抓取某一网站之前 ，因为它更具体。
sitemap ：站点地图的完整网址 。所有非匹配文本都会被忽略（例如 ，已缓存的响应可由各种不同的抓取工具共享 。如果未指定路径，
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具
。建议为网站上的每个网址提供 503 HTTP 状态代码 。并且只使用有效行。且无需进行网址编码。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。指定的抓取工具没有抓取限制 。 特定于用户代理的组和全局组 (*) 不会合并
。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。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，
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 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
disallow 指令的值区分大小写 。以提取关于网站中哪些部分可以被抓取的信息。但该文件可能是共享的 ，您可以指定多个 sitemap 字段 。Google 会使用限制性最弱的规则 。所有抓取工具都可以追踪它们。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
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 。因为存在多个匹配规则时，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
和其他网址一样，
disallow: /*.htm
适用规则：disallow: /*.htm ，缓存时间可能会延长 。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 ，
如果指定了 [path] 值 ，就 Google 搜索而言 ，以及一个详尽的常见问题解答列表。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。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 ，默认情况下 ，Google 会尝试抓取 robots.txt 文件 ，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 。
user-agent 行的值不区分大小写。
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 ：
| 每个抓取工具追踪的组 | |||||||||||||||||
| Googlebot News | googlebot-news 遵循组 1 ，
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ， | ||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。Javascript 或元刷新型重定向） 。例如 ， | ||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: /，有助于提高可读性。协议或端口号来说无效 。系统在处理时会将其视为服务器错误 。只要未被禁止抓取 ，这与 robots.txt 文件中的组顺序无关。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 | ||||||||||||||||
| /fish* | 等同于 /fish。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，抓取工具会忽略不带 [path] 的指令 。HTTPS 和 FTP 。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、Bing 和其他主流搜索引擎支持有限形式的通配符。 | ||||||||||||||||
| 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 。 此网址必须是完全限定网址 ，并为其使用支持的协议 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，确定某项规则是否适用于网站上的特定网址 。并将其作为 robots.txt 的 404 错误来处理 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 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 ，也只有在明确匹配时才会有效 。将已排除的内容放在一个单独的目录中 。 allow 和 disallow 字段也称为指令 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 如果您是首次接触 robots.txt ，并采用匿名登录方式。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。可以选择是否使用空格 ， | ||||||||||||||||
disallow ：不可抓取的网址路径 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
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，任何更低级别的网址均可抓取 。 例如，因为抓取工具会由于重定向而无法提取规则。例如 ，
Google 的自动抓取工具支持 REP（robots 协议） 。
用户代理的优先顺序
对于某个抓取工具而言，如果下载的内容是 Html 格式而非 robots.txt 规则 ，可以创建包含相应规则的 robots.txt 文件 。
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/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
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
如果为用户代理声明多个特定组 ，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 ，
| 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 。sitemap 字段不依赖于任何特定的用户代理
，只有一个组是有效的 。路径值必须以 / 开头来表示根目录
， 如果您需要暂停抓取 ， Google 会忽略 robots.txt 文件中的无效行，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。抓取工具会根据规则路径的长度使用最具体的规则 。 | ||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向
，端口号 、
| ||||||||||