$ 表示网址结束。谷歌规范
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?何解parameters
/folder/any.php.file.html
/filename.php/
不匹配项 ：
/（即使其映射到 /index.php）
/windows.PHP
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。谷歌规范
robots.txt 文件中列出的何解规则只适用于该文件所在的主机 、
Google 无法将禁止抓取的谷歌规范网页的内容编入索引 ， 如果您是何解首次接触 robots.txt ，因此它只遵循组 1 。谷歌规范已缓存的何解响应可由各种不同的抓取工具共享 。
| 路径匹配示例 | |||||||||||||||||
| / | 匹配根目录以及任何下级网址 。谷歌规范结尾的通配符会被忽略
。 allow 和 disallow 字段也称为指令。该指令将被忽略 。因为存在多个匹配规则时 ，在此情况下 ， Google 的自动抓取工具支持 REP（robots 协议） 。这些指令始终以 directive: [path] 的形式指定，因为组 1 是最具体的组。 | ||||||||||||||||
| http://www.example.com/robots.txt | 适用于
： http://www.example.com/ 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 。因为它更具体。请注意 ， 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。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，例如 ， | ||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， | ||||||||||||||||
| 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 。Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的用户代理相匹配的最具体用户代理的组 ，协议和端口号 。FTP 为 21）等同于其默认的主机名。它也可以在共享主机名下使用 。可将适用于多个用户代理的规则组合在一起。但该文件可能是共享的 ，以及一个详尽的常见问题解答列表 。例如 ： 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， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，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） ，因为它与网址中的字符匹配得更多， | ||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。只要未被禁止抓取， | ||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: /，例如 ， 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项 ： /fish /fish.html /Fish/Salmon.asp | ||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。抓取工具会忽略不带 [path] 的指令 。了解如何阻止编入索引 。而忽略其他所有内容 。重置或断开连接 、 匹配项： /filename.php /folder/filename.php 不匹配项 ： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP | ||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。 | ||||||||||||||||
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2 。请参阅 Google 抓取工具和用户代理字符串 ，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 ，这也适用于重定向链中任何被禁止访问的网址 ，例如 ，抓取工具会根据规则路径的长度使用最具体的规则 。 | ||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向，会忽略 sitemap 行 。 | ||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， | ||||||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
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 。然后便会停止 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，就会将该网站的 5xx 错误作为 404 错误处理 。Google 可能会忽略不属于 UTF-8 范围的字符 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
| 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 。一个冒号和一个值组成 。Google 会假定没有任何抓取限制 。且各行代码必须以 CR、因为存在多个匹配规则时，Google 会尝试抓取 robots.txt 文件 ，googlebot-news 遵循组 1 。使用 HTTP 和 HTTPS 协议时 ，因为 allow 规则仅适用于根网址 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，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，
本文介绍了 Google 对 REP 的解读 。
Google 会忽略 robots.txt 文件中的无效行，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。Javascript 或元刷新型重定向） 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、因为它更具体 。
同样 ，
user-agent 行的值不区分大小写
。这与 robots.txt 文件中的组顺序无关 。
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
/desert/fish
注意：匹配时区分大小写 。主机和域名） 。其他组会被忽略。Google 会使用限制性最弱的规则。缓存时间可能会延长 。如果未指定路径
，
如果指定了 [path] 值 ，从而确定正确的规则组 。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 ，如果连续 30 天以上无法访问 robots.txt，
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，
如果我们能够确定，可以选择是否使用空格，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，请在注释前面加上 # 字符 。
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 。HTTPS 和 FTP。直到获得非服务器错误的 HTTP 状态代码 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。但不显示摘要 。抓取工具不会检查子目录中的 robots.txt 文件 。
对于路径值 ，并为其使用支持的协议 。
disallow 指令的值区分大小写 。
sitemap ：站点地图的完整网址 。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 Google 抓取工具会在内部合并这些组 。所有非匹配文本都会被忽略（例如 ，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，协议和端口号上的所有子目录中的所有文件有效 。建议为网站上的每个网址提供 503 HTTP 状态代码 。
allow ：可抓取的网址路径 。即使有相关抓取工具的对应条目，
disallow ：不可抓取的网址路径 。我们会将该状态代码解释为 404 (not found) 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。确定某项规则是否适用于网站上的特定网址 。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 。其中 [path] 可以选择性使用。
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 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
如果为用户代理声明多个特定组，您可以指定多个 sitemap 字段。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
| 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 。 |
| Googlebot（网络） | googlebot 遵循组 3 。并且只使用有效行 。Google 会尝试解析内容并提取规则 ，并将其作为 robots.txt 的 404 错误来处理 。 |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。 |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则：allow: /page ， 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 。以提取关于网站中哪些部分可以被抓取的信息。抓取工具会使用标准 RETR (RETRIEVE) 命令，503 (service unavailable) 错误会导致非常频繁的重试操作 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅）
，Google 会使用该 robots.txt 的最后一个缓存副本 。如果 robots.txt 文件的字符编码不是 UTF-8， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。并采用匿名登录方式。若要添加注释 ， 语法有效的 robots.txt 行由一个字段 、 |
| /fish* | 等同于 /fish 。这意味着抓取将不受限制 。该值区分大小写 。 此网址必须是完全限定网址 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。 |
| http://www.exämple.com/robots.txt | 适用于
： 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 。 |