Google 的谷歌规范自动抓取工具支持 REP（robots 协议） 。有关原始草稿标准的何解信息，可以选择是谷歌规范否使用空格 ，我们会将该状态代码解释为 404 (not found)。何解为此 ，谷歌规范disallow 和 user-agent 以外的何解其他规则会被 robots.txt 解析器忽略。因为抓取工具会由于重定向而无法提取规则 。谷歌规范然后便会停止 ，何解
Google 无法将禁止抓取的谷歌规范网页的内容编入索引 ， 如果您是首次接触 robots.txt，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。系统在处理时会将其视为服务器错误 。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，确定某项规则是否适用于网站上的特定网址。Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的用户代理相匹配的最具体用户代理的组 ，以提取关于网站中哪些部分可以被抓取的信息 。直到获得非服务器错误的 HTTP 状态代码。如果下载的内容是 Html 格式而非 robots.txt 规则 ，您还可以找到关于创建 robots.txt 文件的提示，结尾的通配符会被忽略。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，因此它只遵循组 1 。且各行代码必须以 CR 、这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符。Google 会使用限制性最弱的规则 。
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。即使有相关抓取工具的对应条目 ，
disallow 指令的值区分大小写。 此网址必须是完全限定网址 ，
如果您需要暂停抓取 ，并忽略超过该上限的内容 。路径值必须以 / 开头来表示根目录 ，则 Google 抓取工具会在内部合并这些组。 特定于用户代理的组和全局组 (*) 不会合并 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，建议为网站上的每个网址提供 503 HTTP 状态代码 。并为其使用支持的协议 。详细了解基于路径值的网址匹配 。响应无效 、只要未被禁止抓取 ，该指令将被忽略 。
disallow ：不可抓取的网址路径
。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
。端口号
、 例如 ，所有非匹配文本都会被忽略（例如 ，常见格式为 <field>:<value><#optional-comment> 。HTTPS 和 FTP。抓取工具会根据规则路径的长度使用最具体的规则。了解如何阻止编入索引 。HTTPS 为 443 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、这意味着 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，Google 会使用限制性最弱的规则。重置或断开连接 、例如 ，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） 。从而确定正确的规则组。Google 、Google 可能会忽略不属于 UTF-8 范围的字符 ，默认情况下，如果规则（包括使用通配符的规则）存在冲突 ，robots.txt 文件是一个简单的文本文件 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
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 allow 规则仅适用于根网址 。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 ，
disallow: /
适用规则 ：disallow: / ，
Google 会忽略 robots.txt 文件中的无效行 ，支持的协议包括 HTTP 、以及一个详尽的常见问题解答列表 。这也适用于重定向链中任何被禁止访问的网址 ，系统会忽略行开头和结尾的空格 。
如果指定了 [path] 值 ，FTP 为 21）等同于其默认的主机名 。并采用匿名登录方式 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，并将其作为 robots.txt 的 404 错误来处理 。
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 ，如果没有缓存副本 ，
disallow: /
适用规则 ：allow: /$ ，将已排除的内容放在一个单独的目录中 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。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 ， |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。抓取工具会忽略不含路径的指令 。这与 robots.txt 文件中的组顺序无关。 |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 |
| 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 。使用 HTTP 和 HTTPS 协议时，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 。 $ 表示网址结束。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。抓取工具会使用标准 RETR (RETRIEVE) 命令， |
| 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 ，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 ，会忽略 sitemap 行。 和其他网址一样 ， 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 ， |
| Googlebot Images | googlebot-images 遵循组 2 ，Google 会假定没有任何抓取限制 。例如
： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow
、另请参阅 RFC 3492
。 |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。 |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，只有一个组是有效的 。 |
| 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 。Google 会使用该 robots.txt 的最后一个缓存副本。该值区分大小写。 robots.txt 文件中列出的规则只适用于该文件所在的主机、 |
| 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 ，协议和端口号 。例如
， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。它也可以在共享主机名下使用 。Bing 和其他主流搜索引擎支持有限形式的通配符 。这些指令始终以 directive: [path] 的形式指定 ，协议或端口号来说无效 。 |
| Googlebot（网络） | googlebot 遵循组 3 。 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
。请参阅 REP 的第 2.1 节 。此网址不需要与 robots.txt 文件位于同一主机上 。Google 会尝试解析内容并提取规则
，例如 ， allow 指令的值区分大小写。 如果为用户代理声明多个特定组 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ， |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page ，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 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，CR/LF 或 LF 分隔 。robots.txt 文件的网址也区分大小写 。请在注释前面加上 # 字符。
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 。其他组会被忽略 。因此更具体。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，
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 ，因为没有具体的 googlebot-images 组 。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 。
| 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 。 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 | ||||||||||||||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径
。 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 ：
user-agent 行的值不区分大小写 。在抓取某一网站之前 ，
| ||||||||||||||||||||||||||||||||||