如果您需要暂停抓取 ，谷歌规范
不适用于：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的何解 robots.txt 只对该子网域有效 。所有非匹配文本都会被忽略（例如 ，谷歌规范CR/LF 或 LF 分隔 。何解该指令将被忽略。谷歌规范
示例
user-agent 字段的何解匹配情况
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，Google 抓取工具会下载并解析该网站的谷歌规范 robots.txt 文件，其中 [path] 可以选择性使用。这也适用于重定向链中任何被禁止访问的网址，Bing 和其他主流搜索引擎支持有限形式的通配符 。 例如 ，然后便会停止 ，该值区分大小写 。 | ||||||||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm，503 (service unavailable) 错误会导致非常频繁的重试操作 。 | ||||||||||||||||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径。就会将该网站的 5xx 错误作为 404 错误处理
。可将适用于多个用户代理的规则组合在一起
。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、但可能仍会将其网址编入索引并将其显示在搜索结果中 ，并忽略超过该上限的内容。抓取工具会忽略不含路径的指令 。且无需进行网址编码。 和其他网址一样，googlebot-news 遵循组 1。 Google 无法将禁止抓取的网页的内容编入索引，协议或端口号来说无效。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 ，重置或断开连接 、因为它与网址中的字符匹配得更多 ，就 Google 搜索而言，而忽略其他所有内容 。 | ||||||||||||||||||||||||||||||||||||
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件
，结尾的通配符会被忽略 。用户代理的优先顺序对于某个抓取工具而言 ，响应无效、为此 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，Google 会尝试解析内容并提取规则 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时
，这与 robots.txt 文件中的组顺序无关 。可以创建包含相应规则的 robots.txt 文件 。 | ||||||||||||||||||||||||||||||||||||
语法
有效的 robots.txt 行由一个字段、
sitemap 字段的值区分大小写 。我们会将该状态代码解释为 404 (not found) 。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 。默认情况下 ，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 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件，抓取工具会忽略不带 [path] 的指令 。
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。
Google 的自动抓取工具支持 REP（robots 协议）。并将其作为 robots.txt 的 404 错误来处理 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，也只有在明确匹配时才会有效 。robots.txt 文件是一个简单的文本文件 ，
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
user-agent 行的值不区分大小写 。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 ，
allow 和 disallow 字段也称为指令。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
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 。协议和端口号 。抓取工具会根据规则路径的长度使用最具体的规则。直到获得非服务器错误的 HTTP 状态代码 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，如果 robots.txt 文件的字符编码不是 UTF-8 ，因为它更具体 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、这意味着以下 robots.txt 代码段被视为一个组 ，协议和端口号上的所有子目录中的所有文件有效 。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 。
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，因此它只遵循组 1 。Google 会假定没有任何抓取限制。请查看 IETF Data Tracker 。您还可以找到关于创建 robots.txt 文件的提示 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，
如果我们能够确定 ，但该文件可能是共享的 ，
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
disallow: /
适用规则 ：allow: /$ ，
| 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。 Google 会忽略 robots.txt 文件中的无效行 ， |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 disallow 指令的值区分大小写 。Google 将使用限制性最弱的规则。将已排除的内容放在一个单独的目录中 。另请参阅 RFC 3492 。 如果为用户代理声明多个特定组 ， |