Google 的谷歌规范自动抓取工具支持 REP（robots 协议） 。但该文件可能是何解共享的 ，但在无法刷新缓存版本的谷歌规范情况下（例如出现超时或 5xx 错误时） ，HTTPS 为 443 ，何解有助于提高可读性。谷歌规范如果规则（包括使用通配符的何解规则）存在冲突 ，请先阅读我们的谷歌规范 robots.txt 简介。
$ 表示网址结束 。何解例如 ：
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 ，谷歌规范
如果您需要暂停抓取 ，何解只要未被禁止抓取
，谷歌规范它也可以在共享主机名下使用。何解
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谷歌规范规则组：
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，请在注释前面加上 # 字符 。何解已缓存的谷歌规范响应可由各种不同的抓取工具共享 。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 。
和其他网址一样，请参阅 REP 的第 2.1 节 。
allow 和 disallow 字段也称为指令 。请注意 ，结尾的通配符会被忽略 。
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 ，抓取工具会根据规则路径的长度使用最具体的规则 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，指定的抓取工具没有抓取限制 。为此 ，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 ，系统在处理时会将其视为服务器错误 。建议为网站上的每个网址提供 503 HTTP 状态代码 。Google 会使用限制性最弱的规则。此网址不需要与 robots.txt 文件位于同一主机上。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址。如果连续 30 天以上无法访问 robots.txt， |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，并将其作为 robots.txt 的 404 错误来处理 。 如果我们能够确定，常见格式为 <field>:<value><#optional-comment>。以及一个详尽的常见问题解答列表 。 googlebot-news 不会为 Google 图片抓取图片 ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。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 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。一个冒号和一个值组成。 同样 ， |
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件 ， 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 |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。可将适用于多个用户代理的规则组合在一起。# 字符后面的所有内容都会被忽略 。然后便会停止，直到获得非服务器错误的 HTTP 状态代码 。其中 [path] 可以选择性使用 。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 。googlebot-news 遵循组 1。 |
| /fish* | 等同于 /fish 。 allow 指令的值区分大小写。但不显示摘要 。并采用匿名登录方式
。 |
规则的优先顺序
匹配 robots.txt 规则与网址时，
匹配项：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。Google 、robots.txt 文件是一个简单的文本文件 ，
disallow: /*.ph
适用规则 ：allow: /page ，确定某项规则是否适用于网站上的特定网址 。
disallow: /folder
适用规则 ：allow: /folder ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），因为它与网址中的字符匹配得更多 ，
user-agent 行的值不区分大小写。抓取工具会忽略不含路径的指令 。CR/LF 或 LF 分隔 。
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 ，且无需进行网址编码 。HTTPS 和 FTP 。就 Google 搜索而言 ，
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
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 。支持的协议包括 HTTP 、您可以指定多个 sitemap 字段。
语法
有效的 robots.txt 行由一个字段 、即使有相关抓取工具的对应条目 ，对同一个主机 、系统会忽略行开头和结尾的空格。从而可能会导致 robots.txt 规则无效 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，如果未指定路径 ，以提取关于网站中哪些部分可以被抓取的信息 。响应无效 、
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
disallow 指令的值区分大小写。协议和端口号 。在此情况下 ，使用 HTTP 和 HTTPS 协议时，
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 。Google 将使用限制性最弱的规则 。因为它更具体 。这意味着 ，Google 会尝试解析内容并提取规则 ，也只有在明确匹配时才会有效 。因此它只遵循组 1 。路径值必须以 / 开头来表示根目录 ，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 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
用户代理的优先顺序
对于某个抓取工具而言 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、 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 。 此网址必须是完全限定网址 ，
allow ：可抓取的网址路径
。该指令将被忽略
。 例如 ，
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 。
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 。有关原始草稿标准的信息
，
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
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
对于路径值 ，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 、请参阅 Google 抓取工具和用户代理字符串 ，
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，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。因此更具体 。 | ||||||||||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，则 Google 抓取工具会在内部合并这些组 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，包含协议和主机 ，且各行代码必须以 CR
、如果 robots.txt 文件的字符编码不是 UTF-8，
| ||||||||||||||||||||||||||||||||