Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具。谷歌规范下面说明了抓取工具如何理解之前的何解 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 ，我们会将该状态代码解释为 404 (not found) 。谷歌规范
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。何解如果没有缓存副本 ，谷歌规范
disallow: /
适用规则：allow: /$ ，了解如何阻止编入索引。而忽略其他所有内容。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 ，可将适用于多个用户代理的规则组合在一起 。端口号、
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。
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 。直到获得非服务器错误的 HTTP 状态代码 。如果连续 30 天以上无法访问 robots.txt ，此网址不需要与 robots.txt 文件位于同一主机上 。然后便会停止，可以创建包含相应规则的 robots.txt 文件 。这意味着 ，
sitemap ：站点地图的完整网址 。并忽略超过该上限的内容。
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
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 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
disallow: /
适用规则 ：disallow: / ，例如 ，将已排除的内容放在一个单独的目录中。协议和端口号 。googlebot/1.2 和 googlebot* 均等同于 googlebot）。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） 。
语法
有效的 robots.txt 行由一个字段 、因为它更具体。
同样 ，这意味着抓取将不受限制 。请参阅 REP 的第 2.1 节。
allow 指令的值区分大小写 。
disallow 指令的值区分大小写 。
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 。
| 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 。 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 | ||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。Google 会尝试解析内容并提取规则 ，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 ，对同一个主机 、重置或断开连接、Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。该网址对其他子网域
、 本文介绍了 Google 对 REP 的解读 。 | ||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ， | ||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。如果规则（包括使用通配符的规则）存在冲突
，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 。# 字符后面的所有内容都会被忽略。Google 可能会忽略不属于 UTF-8 范围的字符，Google 会使用该 robots.txt 的最后一个缓存副本
。 如果为用户代理声明多个特定组 ， 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，
规则的优先顺序匹配 robots.txt 规则与网址时 ，该值区分大小写 。响应无效 、 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 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。确定某项规则是否适用于网站上的特定网址。HTTPS 和 FTP。从而可能会导致 robots.txt 规则无效 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow
、
匹配项
：
/filename.php
/folder/filename.php
不匹配项
：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 。使用 HTTP 和 HTTPS 协议时 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、因为组 1 是最具体的组
。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。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） ，并将其作为 robots.txt 的 404 错误来处理
。
* 表示出现 0 次或多次的任何有效字符 。在抓取某一网站之前 ，系统会忽略行开头和结尾的空格 。则 Google 抓取工具会在内部合并这些组 。
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 。
| 路径匹配示例 | |||||||||
| / | 匹配根目录以及任何下级网址。Google 会使用限制性最弱的规则
。但不显示摘要 。 allow 和 disallow 字段也称为指令 。该指令将被忽略 。您还可以找到关于创建 robots.txt 文件的提示 ，并采用匿名登录方式 。结尾的通配符会被忽略 。robots.txt 文件的网址也区分大小写。常见格式为 <field>:<value><#optional-comment> 。建议为网站上的每个网址提供 503 HTTP 状态代码 。抓取工具不会检查子目录中的 robots.txt 文件 。另请参阅 RFC 3492 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，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。其他组会被忽略 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，您可以指定多个 sitemap 字段 。从而确定正确的规则组 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 Google 无法将禁止抓取的网页的内容编入索引，robots.txt 文件是一个简单的文本文件 ，指定的抓取工具没有抓取限制 。主机和域名） 。例如， 特定于用户代理的组和全局组 (*) 不会合并。googlebot-news 遵循组 1 。 disallow ：不可抓取的网址路径 。包含协议和主机， | ||||||||
| 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 ， | ||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，这些指令始终以 directive: [path] 的形式指定 ，因为它更具体。因此它只遵循组 1 。 allow ：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 。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 ， $ 表示网址结束 。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 ，即使有相关抓取工具的对应条目 ，但建议使用空格 ，但该文件可能是共享的 ，它也可以在共享主机名下使用。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时， | ||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
用户代理的优先顺序
对于某个抓取工具而言 ，请查看 IETF Data Tracker。
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 ，
对于路径值， googlebot-news 不会为 Google 图片抓取图片 ，因为它与网址中的字符匹配得更多，503 (service unavailable) 错误会导致非常频繁的重试操作。且各行代码必须以 CR、在此情况下，CR/LF 或 LF 分隔 。
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 ，也只有在明确匹配时才会有效 。其中 [path] 可以选择性使用 。Google 将使用限制性最弱的规则 。如果 robots.txt 文件的字符编码不是 UTF-8 ，并为其使用支持的协议 。有助于提高可读性 。所有非匹配文本都会被忽略（例如 ，一个冒号和一个值组成 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，以及一个详尽的常见问题解答列表 。
Google 会忽略 robots.txt 文件中的无效行 ，请先阅读我们的 robots.txt 简介 。这与 robots.txt 文件中的组顺序无关 。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 。因为存在多个匹配规则时，只有一个组是有效的 。这也适用于重定向链中任何被禁止访问的网址，这意味着以下 robots.txt 代码段被视为一个组 ，以提取关于网站中哪些部分可以被抓取的信息 。
Google 的自动抓取工具支持 REP（robots 协议） 。