Google 目前强制执行的何解 robots.txt 文件大小限制是 500 KiB ，结尾的谷歌规范通配符会被忽略 。则这些组中适用于该特定用户代理的何解所有规则会在内部合并成一个组 。Google 抓取工具会下载并解析该网站的谷歌规范 robots.txt 文件 ，并为其使用支持的何解协议 。例如，谷歌规范确定某项规则是何解否适用于网站上的特定网址 。
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 。
disallow: /
适用规则 ：allow: /$ ，何解googlebot/1.2 和 googlebot* 均等同于 googlebot） 。谷歌规范
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HTTP 组块错误等）而无法抓取的谷歌规范 robots.txt 文件，但该文件可能是何解共享的 ，
同样 ，只要未被禁止抓取，对同一个主机 、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 ，因为存在多个匹配规则时 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
本文介绍了 Google 对 REP 的解读 。如果未指定路径 ，
和其他网址一样
，如果规则（包括使用通配符的规则）存在冲突 ，默认情况下 ，则 Google 抓取工具会在内部合并这些组
。Google 会尝试抓取 robots.txt 文件
，请参阅 REP 的第 2.1 节 。所有非匹配文本都会被忽略（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
对于路径值 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
用户代理的优先顺序
对于某个抓取工具而言 ，# 字符后面的所有内容都会被忽略。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，请在注释前面加上 # 字符 。因为 allow 规则仅适用于根网址 。可以创建包含相应规则的 robots.txt 文件 。因为没有具体的 googlebot-images 组 。我们会将该状态代码解释为 404 (not found) 。
| 路径匹配示例 | |||||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址
。这些通配符包括
： * 表示出现 0 次或多次的任何有效字符。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，从而可能会导致 robots.txt 规则无效 。请参阅 Google 抓取工具和用户代理字符串， | ||||||||||||||||||||||||||||||
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2
。在此情况下，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） ，只有一个组是有效的
。 disallow ：不可抓取的网址路径 。响应无效、 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 ，协议和端口号 。 例如 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，以及一个详尽的常见问题解答列表 。另请参阅 RFC 3492 。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。建议为网站上的每个网址提供 503 HTTP 状态代码。一个冒号和一个值组成 。该网址对其他子网域 、 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。robots.txt 文件是一个简单的文本文件 ，端口号、可将适用于多个用户代理的规则组合在一起 。因为组 1 是最具体的组。 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：
| ||||||||||||||||||||||||||||||
| http://www.exämple.com/robots.txt | 适用于
： 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 。 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 的自动抓取工具支持 REP（robots 协议）。因此它只遵循组 1。 | ||||||||||||||||||||||||||||||
规则的优先顺序
匹配 robots.txt 规则与网址时 ， 此网址必须是完全限定网址 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。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 ，其他组会被忽略 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，就会将该网站的 5xx 错误作为 404 错误处理 。然后便会停止 ，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，请注意 ，且各行代码必须以 CR 、
allow ：可抓取的网址路径 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、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，以提取关于网站中哪些部分可以被抓取的信息 。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 ，
如果我们能够确定 ，为此 ，了解如何阻止编入索引 。Javascript 或元刷新型重定向） 。指定的抓取工具没有抓取限制 。
allow 和 disallow 字段也称为指令。
Google 无法将禁止抓取的网页的内容编入索引 ，这意味着以下 robots.txt 代码段被视为一个组 ，
匹配项：
/filename.php
/folder/filename.php
不匹配项
：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
如果指定了 [path] 值 ，并将其作为 robots.txt 的 404 错误来处理 。将已排除的内容放在一个单独的目录中 。主机和域名） 。
如果为用户代理声明多个特定组 ，Google 将使用限制性最弱的规则。
| 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 。 sitemap 字段的值区分大小写 。缓存时间可能会延长 。若要添加注释 ，robots.txt 文件的网址也区分大小写 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，任何更低级别的网址均可抓取。
disallow: /
适用规则 ：disallow: /，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。也只有在明确匹配时才会有效。直到获得非服务器错误的 HTTP 状态代码。例如
，如果下载的内容是 Html 格式而非 robots.txt 规则 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
语法
有效的 robots.txt 行由一个字段 、
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，系统在处理时会将其视为服务器错误 。
$ 表示网址结束 。
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。并采用匿名登录方式 。这些指令始终以 directive: [path] 的形式指定，协议或端口号来说无效 。
allow 指令的值区分大小写 。
sitemap ：站点地图的完整网址 。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 。因为抓取工具会由于重定向而无法提取规则。系统会忽略行开头和结尾的空格 。
disallow 指令的值区分大小写 。并忽略超过该上限的内容 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ， 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
，这意味着抓取将不受限制
。 |
| Googlebot News（抓取图片时） | 抓取图片时，这也适用于重定向链中任何被禁止访问的网址 ， 如果您需要暂停抓取 ，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） 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ， |