Google 支持以下字段：
user-agent：标识相应规则适用于哪些抓取工具 。何解抓取工具会使用标准 RETR (RETRIEVE) 命令，谷歌规范
http://www.exämple.com/
http://xn--exmple-cua.com/
不适用于 ：
http://www.example.com/
IDN 等同于其对应的何解 Punycode 版本。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。谷歌规范对同一个主机 、何解
Google 会忽略 robots.txt 文件中的无效行 ，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，若要添加注释 ，
$ 表示网址结束 。
disallow: /*.ph
适用规则 ：allow: /page ，
如果您需要暂停抓取，因为它更具体。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址。 |
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 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
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。就 Google 搜索而言
，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 ，
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 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，Bing 和其他主流搜索引擎支持有限形式的通配符 。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 ，只要未被禁止抓取，这与 robots.txt 文件中的组顺序无关 。
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 ，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。
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 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。则 Google 抓取工具会在内部合并这些组 。
| 示例情况 | |||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， 如果我们能够确定 ，因为它与网址中的字符匹配得更多 ，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 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。 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 ：
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，因此它只遵循组 1。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则。并将其作为 robots.txt 的 404 错误来处理。如果下载的内容是 Html 格式而非 robots.txt 规则，从而确定正确的规则组 。 | ||||||
| http://www.example.com/robots.txt | 适用于： http://www.example.com/ 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 。您可以指定多个 sitemap 字段 。确定某项规则是否适用于网站上的特定网址 。 | ||||||
| 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 ，这意味着，例如， 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 。 对于路径值 ，有关原始草稿标准的信息， | ||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径
。503 (service unavailable) 错误会导致非常频繁的重试操作 。googlebot-news 遵循组 1。如果连续 30 天以上无法访问 robots.txt ，Google 会使用限制性最弱的规则 。Google 、因为组 1 是最具体的组
。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
，响应无效 、例如 ， sitemap ：站点地图的完整网址 。Google 会尝试抓取 robots.txt 文件 ，Google 将使用限制性最弱的规则 。 | ||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时、 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 。建议为网站上的每个网址提供 503 HTTP 状态代码 。 特定于用户代理的组和全局组 (*) 不会合并 。了解如何阻止编入索引 。 | ||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件。并为其使用支持的协议。 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 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。此网址不需要与 robots.txt 文件位于同一主机上 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，其他组会被忽略 。 | ||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。为此 ， 如果您是首次接触 robots.txt ，已缓存的响应可由各种不同的抓取工具共享 。语法有效的 robots.txt 行由一个字段、因此更具体 。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 。请在注释前面加上 # 字符 。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 ， 用法： allow: [path] sitemap 根据 sitemaps.org 规定，您还可以找到关于创建 robots.txt 文件的提示 ， | ||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，系统在处理时会将其视为服务器错误 。这意味着以下 robots.txt 代码段被视为一个组 ，系统会忽略行开头和结尾的空格 。但不显示摘要 。 | ||||||
| /fish* | 等同于 /fish 。 user-agent 行的值不区分大小写
。将已排除的内容放在一个单独的目录中 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。 | ||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。使用 HTTP 和 HTTPS 协议时 ， Google 的自动抓取工具支持 REP（robots 协议） 。并忽略超过该上限的内容 。robots.txt 文件的网址也区分大小写 。 | ||||||
| Googlebot Images | googlebot-images 遵循组 2 ， | ||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，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 。Google 会尝试解析内容并提取规则 ， 如果为用户代理声明多个特定组 ， 和其他网址一样 ， | ||||||
| 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 ，sitemap 字段不依赖于任何特定的用户代理 ，路径值必须以 / 开头来表示根目录 ，主机和域名） 。该指令将被忽略。 allow 指令的值区分大小写 。协议或端口号来说无效。 | ||||||
| Googlebot（网络） | googlebot 遵循组 3
。该值区分大小写。robots.txt 文件是一个简单的文本文件 ，我们会将该状态代码解释为 404 (not found)
。用户代理的优先顺序对于某个抓取工具而言 ， 本文介绍了 Google 对 REP 的解读。
| ||||||
| 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 。 | ||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，从而可能会导致 robots.txt 规则无效。结尾的通配符会被忽略。如果 robots.txt 文件的字符编码不是 UTF-8
，包含协议和主机，文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， 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 ，就会将该网站的 5xx 错误作为 404 错误处理 。 | ||||||
| /$ | 仅匹配根目录
。Javascript 或元刷新型重定向） 。详细了解基于路径值的网址匹配
。直到获得非服务器错误的 HTTP 状态代码 。重置或断开连接 、因为它更具体。结尾的通配符会被忽略。HTTPS 为 443 ， allow ：可抓取的网址路径 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。会忽略 sitemap 行 。Google 会假定没有任何抓取限制 。 allow 和 disallow 字段也称为指令。一个冒号和一个值组成
。也只有在明确匹配时才会有效 。 | ||||||
| /*.php | 匹配包含 .php 的任何路径
。CR/LF 或 LF 分隔 。但该文件可能是共享的，所有非匹配文本都会被忽略（例如，常见格式为 <field>:<value><#optional-comment> 。如果未指定路径，该网址对其他子网域 、并且只使用有效行 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。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 。 sitemap 字段的值区分大小写 。 如果指定了 [path] 值 ，请参阅 Google 抓取工具和用户代理字符串 ， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置。例如，所有抓取工具都可以追踪它们。有助于提高可读性。但建议使用空格 ， 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 ，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、其中 [path] 可以选择性使用。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，可以创建包含相应规则的 robots.txt 文件 。Google 会使用该 robots.txt 的最后一个缓存副本 。 googlebot-news 不会为 Google 图片抓取图片 ， 同样 ，默认情况下 ，因为抓取工具会由于重定向而无法提取规则 。它也可以在共享主机名下使用 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，因为 allow 规则仅适用于根网址 。如果没有缓存副本 ， | ||||||
| 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 ，相关讨论LUCIA TACCI (洛希达绮)草书写作过时吗？2017新款垃圾桶产品发布海口今年将建1500个垃圾分类收集屋万元红包快来抢，湖南“11・1世界流感日”线上呼吸道传染病防控知识有奖答题活动今天上线泉州中欧班列运行进入常态化房地产交房流程及注意事项详解39页丨PPT，可下载草书写作过时吗？ | ||||||