Google 目前强制执行的谷歌规范 robots.txt 文件大小限制是 500 KiB ，其中 [path] 可以选择性使用 。何解
disallow: /
适用规则 ：allow: /$ ，谷歌规范在抓取某一网站之前 ，何解
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?谷歌规范id=anything
不匹配项：
/Fish.asp
/catfish
/?id=fish
/desert/fish
注意：匹配时区分大小写。且各行代码必须以 CR 、何解
sitemap 字段的谷歌规范值区分大小写 。了解如何阻止编入索引 。何解example.com 的谷歌规范 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 ，
disallow: /
适用规则 ：disallow: / ，何解
allow 指令的何解值区分大小写。您可以通过整合会导致 robots.txt 文件过大的谷歌规范指令来减小 robots.txt 文件的大小 。# 字符后面的所有内容都会被忽略 。
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 ，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 、可以选择是否使用空格，因为存在多个匹配规则时 ，请在注释前面加上 # 字符。
disallow 指令的值区分大小写 。该值区分大小写
。Google 将使用限制性最弱的规则。
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 ，任何更低级别的网址均可抓取 。我们会将该状态代码解释为 404 (not found) 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，HTTPS 和 FTP 。因为抓取工具会由于重定向而无法提取规则 。
Google 的自动抓取工具支持 REP（robots 协议）。FTP 为 21）等同于其默认的主机名 。
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 ，HTTPS 为 443 ， 此网址必须是完全限定网址 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。因为它与网址中的字符匹配得更多 ， 特定于用户代理的组和全局组 (*) 不会合并。并为其使用支持的协议 。Bing 和其他主流搜索引擎支持有限形式的通配符 。若要添加注释 ， |
| Googlebot News（抓取图片时） | 抓取图片时 ，并将其作为 robots.txt 的 404 错误来处理 。系统会忽略行开头和结尾的空格 。 |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。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 ，例如 ，因此更具体。该网址对其他子网域 、 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，请先阅读我们的 robots.txt 简介 。支持的协议包括 HTTP、某网站因为配置不正确而在缺少网页时返回 5xx 而不是 404 状态代码 ，以提取关于网站中哪些部分可以被抓取的信息 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
allow 和 disallow 字段也称为指令 。这也适用于重定向链中任何被禁止访问的网址 ，
user-agent 行的值不区分大小写 。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） ，robots.txt 文件是一个简单的文本文件 ，
语法
有效的 robots.txt 行由一个字段
、REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项
：
/fish
/fish.html
/Fish/Salmon.asp
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关
，
如果我们能够确定 ，
Google 会忽略 robots.txt 文件中的无效行 ，
如果为用户代理声明多个特定组，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址。协议或端口号来说无效 。抓取工具会根据规则路径的长度使用最具体的规则。 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时、 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定，sitemap 字段不依赖于任何特定的用户代理， 本文介绍了 Google 对 REP 的解读 。Google 会使用该 robots.txt 的最后一个缓存副本 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，
如果指定了 [path] 值 ，而忽略其他所有内容 。
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。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。如果没有缓存副本，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。即使有相关抓取工具的对应条目 ，
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 。
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
allow ：可抓取的网址路径 。您还可以找到关于创建 robots.txt 文件的提示，路径值必须以 / 开头来表示根目录，有助于提高可读性 。结尾的通配符会被忽略 。从而可能会导致 robots.txt 规则无效 。
同样 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，例如 ，
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 ，
| 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 。 和其他网址一样， | ||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。建议为网站上的每个网址提供 503 HTTP 状态代码 。并忽略超过该上限的内容。503 (service unavailable) 错误会导致非常频繁的重试操作 。 | ||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2
，Google 会尝试抓取 robots.txt 文件
，可将适用于多个用户代理的规则组合在一起 。请参阅 REP 的第 2.1 节
。您可以指定多个 sitemap 字段 。就会将该网站的 5xx 错误作为 404 错误处理
。Google 、Javascript 或元刷新型重定向） 。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。 $ 表示网址结束 。
| ||||||||||||||||||||||