$ 表示网址结束 。何解
user-agent 行的谷歌规范值不区分大小写 。
Google 目前强制执行的何解 robots.txt 文件大小限制是 500 KiB ，可将适用于多个用户代理的谷歌规范规则组合在一起 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，何解缓存时间可能会延长 。谷歌规范该值区分大小写 。何解
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。谷歌规范Bing 和其他主流搜索引擎支持 robots.txt 中的何解 sitemap 字段。以提取关于网站中哪些部分可以被抓取的谷歌规范信息。请在注释前面加上 # 字符 。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
。
如果您需要暂停抓取
，
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。这与 robots.txt 文件中的组顺序无关 。只有一个组是有效的 。
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 。
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 。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 、
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，可以选择是否使用空格 ，如果连续 30 天以上无法访问 robots.txt ，协议或端口号来说无效 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、只要未被禁止抓取 ，并忽略超过该上限的内容 。一个冒号和一个值组成 。 如果指定了 [path] 值 ，
如果为用户代理声明多个特定组 ， | ||||||||||||
规则的优先顺序
匹配 robots.txt 规则与网址时，请参阅 REP 的第 2.1 节 。也只有在明确匹配时才会有效 。因为抓取工具会由于重定向而无法提取规则。
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 ，Google 会使用该 robots.txt 的最后一个缓存副本。但该文件可能是共享的 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，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 。该指令将被忽略 。
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，
allow：可抓取的网址路径 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ， googlebot-news 不会为 Google 图片抓取图片 ，有关原始草稿标准的信息 ，
disallow: /
适用规则 ：disallow: / ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、路径值必须以 / 开头来表示根目录 ，
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 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，因为它与网址中的字符匹配得更多 ，将已排除的内容放在一个单独的目录中 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。该网址对其他子网域、响应无效 、
对于路径值 ，
sitemap ：站点地图的完整网址 。
| 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。因此它只遵循组 1。然后便会停止，robots.txt 文件的网址也区分大小写。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。且无需进行网址编码 。Google 会尝试解析内容并提取规则 ，就会将该网站的 5xx 错误作为 404 错误处理 。robots.txt 文件是一个简单的文本文件 ，因为没有具体的 googlebot-images 组 。抓取工具会忽略不含路径的指令。会忽略 sitemap 行 。 同样 ，sitemap 字段不依赖于任何特定的用户代理 ，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 ，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 ，如果未指定路径，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 。 本文介绍了 Google 对 REP 的解读 。 sitemap 字段的值区分大小写 。 | ||||||
| /*.php$ | 匹配以 .php 结尾的任何路径。其中 [path] 可以选择性使用
。在此情况下
， disallow ：不可抓取的网址路径。协议和端口号 。包含协议和主机，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，您还可以找到关于创建 robots.txt 文件的提示 ，这些指令始终以 directive: [path] 的形式指定 ， | ||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， | ||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时、在抓取某一网站之前 ，即使有相关抓取工具的对应条目
，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、Google 可能会忽略不属于 UTF-8 范围的字符 ，此网址不需要与 robots.txt 文件位于同一主机上 。而忽略其他所有内容 。 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 。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） ， | ||||||
| /$ | 仅匹配根目录 。如果规则（包括使用通配符的规则）存在冲突 ，CR/LF 或 LF 分隔。使用 HTTP 和 HTTPS 协议时 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。另请参阅 RFC 3492 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，直到获得非服务器错误的 HTTP 状态代码 。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 ，则 Google 抓取工具会在内部合并这些组 。例如 ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，协议和端口号上的所有子目录中的所有文件有效 。 用户代理的优先顺序对于某个抓取工具而言 ， | ||||||
| http://example.com:8181/robots.txt | 适用于
： http://example.com:8181/ 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 。为此，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 。且各行代码必须以 CR 、 | ||||||
| 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， 用法： allow: [path] sitemap 根据 sitemaps.org 规定 ，抓取工具不会检查子目录中的 robots.txt 文件 。 | ||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。就 Google 搜索而言，例如 ，这些通配符包括
： * 表示出现 0 次或多次的任何有效字符 。结尾的通配符会被忽略 。已缓存的响应可由各种不同的抓取工具共享 。可以创建包含相应规则的 robots.txt 文件 。若要添加注释 ，指定的抓取工具没有抓取限制 。我们会将该状态代码解释为 404 (not found) 。 | ||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder，如果没有缓存副本 ， 和其他网址一样 ， | ||||||
| /fish | 匹配以 /fish 开头的任何路径 。对同一个主机 、结尾的通配符会被忽略 。确定某项规则是否适用于网站上的特定网址 。例如，Google 会使用限制性最弱的规则
。常见格式为 <field>:<value><#optional-comment>
。这意味着抓取将不受限制
。主机和域名）。 disallow 指令的值区分大小写 。Javascript 或元刷新型重定向） 。Bing 和其他主流搜索引擎支持有限形式的通配符 。 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 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。任何更低级别的网址均可抓取 。但不显示摘要。
| ||||||