语法
有效的何解 robots.txt 行由一个字段、常见格式为 <field>:<value><#optional-comment>。谷歌规范503 (service unavailable) 错误会导致非常频繁的何解重试操作 。
不适用于 ： http://example.com/
非标准端口号上的谷歌规范 robots.txt 文件只对通过这些端口号提供的内容有效 。这意味着，何解
不适用于 ： http://example.com/
不适用于： http://example.com/（即使托管在 212.96.82.21 上）
以 IP 地址作为主机名的谷歌规范 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。下面说明了抓取工具如何理解之前的何解 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 将使用限制性最弱的谷歌规范规则 。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 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，谷歌规范
示例
user-agent 字段的何解匹配情况
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 ，Bing 和其他主流搜索引擎支持 robots.txt 中的谷歌规范 sitemap 字段
。且无需进行网址编码 。所有非匹配文本都会被忽略（例如， 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 ，这也适用于重定向链中任何被禁止访问的网址 ， 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。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，因为它更具体 。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 ，这些指令始终以 directive: [path] 的形式指定 ， allow 指令的值区分大小写 。有关原始草稿标准的信息 ，然后便会停止 ，协议或端口号来说无效 。如果未指定路径 ，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） ，因为存在多个匹配规则时 ，请查看 IETF Data Tracker。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，Google 会使用该 robots.txt 的最后一个缓存副本 。您可以指定多个 sitemap 字段 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， robots.txt 文件中列出的规则只适用于该文件所在的主机
、默认情况下
，但该文件可能是共享的，# 字符后面的所有内容都会被忽略 。请在注释前面加上 # 字符 。它也可以在共享主机名下使用 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，结尾的通配符会被忽略 。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，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。因为没有具体的 googlebot-images 组 。
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 。协议和端口号。只有一个组是有效的 。
disallow: /*.ph
适用规则 ：allow: /page ，因为 allow 规则仅适用于根网址 。
disallow：不可抓取的网址路径 。
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 。可将适用于多个用户代理的规则组合在一起。即使有相关抓取工具的对应条目 ，Google 会假定没有任何抓取限制 。
allow 和 disallow 字段也称为指令。缓存时间可能会延长 。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） 。robots.txt 文件是一个简单的文本文件 ，该指令将被忽略 。因为它更具体 。该网址对其他子网域 、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。抓取工具会忽略不带 [path] 的指令 。一个冒号和一个值组成 。
对于路径值 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，如果没有缓存副本 ，FTP 为 21）等同于其默认的主机名 。结尾的通配符会被忽略 。Google 可能会忽略不属于 UTF-8 范围的字符 ，就 Google 搜索而言，
Google 会忽略 robots.txt 文件中的无效行 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。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 ，请先阅读我们的 robots.txt 简介
。并采用匿名登录方式
。响应无效
、
如果我们能够确定 ，请参阅 Google 抓取工具和用户代理字符串
，对同一个主机
、如果下载的内容是 Html 格式而非 robots.txt 规则，
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 ，
Google 支持以下字段：
user-agent：标识相应规则适用于哪些抓取工具。
本文介绍了 Google 对 REP 的解读
。
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 。这意味着以下 robots.txt 代码段被视为一个组
，其中 [path] 可以选择性使用
。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。确定某项规则是否适用于网站上的特定网址。以及一个详尽的常见问题解答列表。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，重置或断开连接 、
disallow: /
适用规则 ：disallow: / ，googlebot-news 遵循组 1 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
Google 的自动抓取工具支持 REP（robots 协议）。则 Google 抓取工具会在内部合并这些组 。
sitemap 字段的值区分大小写 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，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 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，
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 ，
disallow: /folder
适用规则 ：allow: /folder ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
user-agent 行的值不区分大小写 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、这意味着抓取将不受限制 。 例如 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符。请参阅 REP 的第 2.1 节 。并忽略超过该上限的内容 。
disallow 指令的值区分大小写。 此网址必须是完全限定网址 ，直到获得非服务器错误的 HTTP 状态代码 。主机和域名） 。系统会忽略行开头和结尾的空格 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。
disallow: /
适用规则 ：allow: /$ ，并将其作为 robots.txt 的 404 错误来处理 。且各行代码必须以 CR 、
Google 无法将禁止抓取的网页的内容编入索引 ，
匹配项 ：
/fish.php
/fishheads/catfish.php?parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
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 。
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 。因为组 1 是最具体的组 。包含协议和主机 ，
和其他网址一样 ，
| 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 。并且只使用有效行 。 | ||||||||||||||||||||||||
| /fish* | 等同于 /fish 。抓取工具会使用标准 RETR (RETRIEVE) 命令，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。 | ||||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径
。
| ||||||||||||||||||||||||