Google 目前强制执行的何解 robots.txt 文件大小限制是 500 KiB，缓存时间可能会延长 。谷歌规范这些通配符包括 ：
* 表示出现 0 次或多次的何解任何有效字符。并将其作为 robots.txt 的谷歌规范 404 错误来处理 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，何解但建议使用空格，谷歌规范这也适用于重定向链中任何被禁止访问的何解网址 ，这与 robots.txt 文件中的谷歌规范组顺序无关 。
用法：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的何解路径 。
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
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。Google 会使用该 robots.txt 的最后一个缓存副本 。 特定于用户代理的组和全局组 (*) 不会合并 。
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 。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 。使用 HTTP 和 HTTPS 协议时 ，并采用匿名登录方式 。
Google 会忽略 robots.txt 文件中的无效行 ，结尾的通配符会被忽略 。503 (service unavailable) 错误会导致非常频繁的重试操作 。Javascript 或元刷新型重定向） 。在此情况下，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
如果指定了 [path] 值 ，
用户代理的优先顺序
对于某个抓取工具而言 ，重置或断开连接 、因为 allow 规则仅适用于根网址 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、就 Google 搜索而言，
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。该网址对其他子网域 、此网址不需要与 robots.txt 文件位于同一主机上。这意味着抓取将不受限制。但不显示摘要。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
disallow: /folder
适用规则：allow: /folder ，指定的抓取工具没有抓取限制 。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 ，就会将该网站的 5xx 错误作为 404 错误处理 。抓取工具不会检查子目录中的 robots.txt 文件 。包含协议和主机，FTP 为 21）等同于其默认的主机名 。请注意 ，Google 会尝试抓取 robots.txt 文件 ， 如果您是首次接触 robots.txt ，请在注释前面加上 # 字符 。
本文介绍了 Google 对 REP 的解读
。Google 会使用限制性最弱的规则 。系统在处理时会将其视为服务器错误
。
如果我们能够确定 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，Google 会假定没有任何抓取限制 。
如果为用户代理声明多个特定组，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
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，
allow 指令的值区分大小写 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，为此，
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 。会忽略 sitemap 行 。它也可以在共享主机名下使用 。googlebot-news 遵循组 1 。
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 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)， 此网址必须是完全限定网址 ，只要未被禁止抓取 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，将已排除的内容放在一个单独的目录中 。即使有相关抓取工具的对应条目 ，这意味着，CR/LF 或 LF 分隔。支持的协议包括 HTTP 、
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 。如果未指定路径 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。主机和域名）。且无需进行网址编码 。
如果您需要暂停抓取 ，
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 。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 ，
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 ，确定某项规则是否适用于网站上的特定网址。
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 ，则 Google 抓取工具会在内部合并这些组
。该指令将被忽略 。Google 会尝试解析内容并提取规则 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。一个冒号和一个值组成 。系统会忽略行开头和结尾的空格。sitemap 字段不依赖于任何特定的用户代理 ，
匹配项：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
sitemap ：站点地图的完整网址 。
allow 和 disallow 字段也称为指令 。Bing 和其他主流搜索引擎支持有限形式的通配符 。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 。
disallow: /
适用规则 ：disallow: / ，已缓存的响应可由各种不同的抓取工具共享 。
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 ，
| 错误处理和 HTTP 状态代码 | |||||||||||||||||||||
| 2xx（成功） | 表示成功的 HTTP 状态代码会提示 Google 抓取工具处理服务器提供的 robots.txt 文件。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 。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）。 | ||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径
。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， 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。 Google 的自动抓取工具支持 REP（robots 协议） 。结尾的通配符会被忽略 。并忽略超过该上限的内容 。因为它与网址中的字符匹配得更多，
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，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 ， | ||||||||||||||||||||
| /$ | 仅匹配根目录
。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、如果连续 30 天以上无法访问 robots.txt ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。 例如 ，因为抓取工具会由于重定向而无法提取规则 。 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 ：
| ||||||||||||||||||||