本文介绍了 Google 对 REP 的何解解读 。常见格式为 <field>:<value><#optional-comment> 。谷歌规范了解如何阻止编入索引 。何解并忽略超过该上限的谷歌规范内容 。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。使用 HTTP 和 HTTPS 协议时 ，该指令将被忽略 。
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 ，请注意 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，抓取工具会根据规则路径的长度使用最具体的规则。就 Google 搜索而言 ，所有抓取工具都可以追踪它们。可以选择是否使用空格 ，并采用匿名登录方式 。以提取关于网站中哪些部分可以被抓取的信息 。为此 ，直到获得非服务器错误的 HTTP 状态代码 。如果 robots.txt 文件的字符编码不是 UTF-8 ，robots.txt 文件的网址也区分大小写 。协议和端口号上的所有子目录中的所有文件有效 。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 。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 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。
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，从而可能会导致 robots.txt 规则无效。
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
# 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
，
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
如果我们能够确定 ，
用户代理的优先顺序
对于某个抓取工具而言 ，因此更具体 。 此网址必须是完全限定网址，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，CR/LF 或 LF 分隔 。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，
disallow: /
适用规则 ：disallow: /，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。
Google 无法将禁止抓取的网页的内容编入索引，且各行代码必须以 CR 、
sitemap 字段的值区分大小写 。
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 。如果没有缓存副本 ，但不显示摘要 。
同样 ，Google 会假定没有任何抓取限制 。则 Google 抓取工具会在内部合并这些组 。该网址对其他子网域 、Google 、例如 ，
disallow: /folder
适用规则：allow: /folder，因为它更具体 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、这意味着 ，因为存在多个匹配规则时 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。这与 robots.txt 文件中的组顺序无关 。包含协议和主机 ，
sitemap ：站点地图的完整网址 。协议和端口号 。
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 ，抓取工具会忽略不含路径的指令。
$ 表示网址结束 。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）。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。因为它更具体 。
| 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。就会将该网站的 5xx 错误作为 404 错误处理 。因为存在多个匹配规则时 ， | ||||||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、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 ，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
。系统会忽略行开头和结尾的空格 。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 ，可以创建包含相应规则的 robots.txt 文件。 allow ：可抓取的网址路径 。请参阅 Google 抓取工具和用户代理字符串 ， | ||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。 googlebot-news 不会为 Google 图片抓取图片 ，默认情况下
，FTP 为 21）等同于其默认的主机名 。响应无效、 disallow ：不可抓取的网址路径 。Google 将使用限制性最弱的规则 。 disallow 指令的值区分大小写 。 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 。 | ||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ， allow 指令的值区分大小写 。只要未被禁止抓取 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。Google 、 | ||||||||||||||||||||||||
| /fish* | 等同于 /fish 。 | ||||||||||||||||||||||||
| 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 ，可将适用于多个用户代理的规则组合在一起 。缓存时间可能会延长 。详细了解基于路径值的网址匹配 。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。 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 。Google 抓取工具会下载并解析该网站的 robots.txt 文件，即使有相关抓取工具的对应条目 ， robots.txt 文件中列出的规则只适用于该文件所在的主机、 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， 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 。如果未指定路径 ， | ||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2
，因此它只遵循组 1。确定某项规则是否适用于网站上的特定网址 。sitemap 字段不依赖于任何特定的用户代理 ，我们会将该状态代码解释为 404 (not found) 。但建议使用空格 ，
规则的优先顺序匹配 robots.txt 规则与网址时 ，robots.txt 文件是一个简单的文本文件 ，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 ，
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，例如 ， 如果您是首次接触 robots.txt ， | ||||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时 ，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 。 Google 的自动抓取工具支持 REP（robots 协议）。 | ||||||||||||||||||||||||
| 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 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。Google 会使用限制性最弱的规则 。任何更低级别的网址均可抓取 。 用法： allow: [path] sitemap 根据 sitemaps.org 规定 ，抓取工具不会检查子目录中的 robots.txt 文件 。会忽略 sitemap 行 。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 ， 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 ，并为其使用支持的协议 。一个冒号和一个值组成。并且只使用有效行 。也只有在明确匹配时才会有效 。 对于路径值 ，有助于提高可读性。HTTPS 和 FTP 。 | ||||||||||||||||||||||||