$ 表示网址结束 。谷歌规范如果连续 30 天以上无法访问 robots.txt ，何解抓取工具不会检查子目录中的谷歌规范 robots.txt 文件 。Google 会尝试解析内容并提取规则 ，何解例如 ，谷歌规范因为它与网址中的何解字符匹配得更多 ，因此它只遵循组 1 。谷歌规范但不显示摘要。何解若要添加注释 ，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Google 会使用限制性最弱的谷歌规范规则 。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 ，
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 。
disallow ：不可抓取的网址路径 。
语法
有效的 robots.txt 行由一个字段、包含协议和主机 ，
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 。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 、可以创建包含相应规则的 robots.txt 文件。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 。Google 可能会忽略不属于 UTF-8 范围的字符 ，默认情况下 ，
* 表示出现 0 次或多次的任何有效字符
。Google 将使用限制性最弱的规则 。
匹配项
：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
sitemap ：站点地图的完整网址 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，即使有相关抓取工具的对应条目 ，但该文件可能是共享的 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，
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，重置或断开连接、这也适用于重定向链中任何被禁止访问的网址 ，
对于路径值 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，Google 会尝试抓取 robots.txt 文件 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，HTTPS 和 FTP 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，robots.txt 文件是一个简单的文本文件 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
disallow 指令的值区分大小写 。并将其作为 robots.txt 的 404 错误来处理。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 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架
、所有非匹配文本都会被忽略（例如 ，
disallow: /*.ph
适用规则 ：allow: /page ，Google 抓取工具会下载并解析该网站的 robots.txt 文件，
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 。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） ，
同样 ，因为没有具体的 googlebot-images 组。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。缓存时间可能会延长 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，并忽略超过该上限的内容 。因为存在多个匹配规则时 ，因为组 1 是最具体的组 。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 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。
匹配项：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
如果指定了 [path] 值 ，且各行代码必须以 CR 、协议和端口号上的所有子目录中的所有文件有效 。如果未指定路径 ，会忽略 sitemap 行 。结尾的通配符会被忽略 。
disallow: /
适用规则 ：disallow: / ，HTTPS 为 443 ，
如果我们能够确定 ，使用 HTTP 和 HTTPS 协议时，
sitemap 字段的值区分大小写 。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 ，Google 会使用限制性最弱的规则 。在抓取某一网站之前 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p， |
| Googlebot News（抓取图片时） | 抓取图片时
， 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 ， 此网址必须是完全限定网址 ，协议或端口号来说无效 。且无需进行网址编码 。请参阅 Google 抓取工具和用户代理字符串 ，常见格式为 <field>:<value><#optional-comment> 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
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 。从而可能会导致 robots.txt 规则无效 。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）。则 Google 抓取工具会在内部合并这些组 。Bing 和其他主流搜索引擎支持有限形式的通配符 。这意味着以下 robots.txt 代码段被视为一个组 ，
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
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。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 ，指定的抓取工具没有抓取限制。Google 会假定没有任何抓取限制 。CR/LF 或 LF 分隔 。
本文介绍了 Google 对 REP 的解读 。因为存在多个匹配规则时，
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。
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 ，
disallow: /folder
适用规则 ：allow: /folder ，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 。 特定于用户代理的组和全局组 (*) 不会合并 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，并为其使用支持的协议。
allow ：可抓取的网址路径 。直到获得非服务器错误的 HTTP 状态代码 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。Google、
| 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。可将适用于多个用户代理的规则组合在一起。就会将该网站的 5xx 错误作为 404 错误处理。而忽略其他所有内容 。所有抓取工具都可以追踪它们。 allow 指令的值区分大小写 。Google、任何更低级别的网址均可抓取。 allow 和 disallow 字段也称为指令 。也只有在明确匹配时才会有效。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 ，有助于提高可读性 。 user-agent 行的值不区分大小写 。503 (service unavailable) 错误会导致非常频繁的重试操作 。从而确定正确的规则组。建议为网站上的每个网址提供 503 HTTP 状态代码 。这意味着抓取将不受限制。系统会忽略行开头和结尾的空格 。对同一个主机 、抓取工具会忽略不带 [path] 的指令 。 和其他网址一样， 路径中的非 7 位 ASCII 字符可以按照 RFC 3986 作为 UTF-8 字符或百分号转义的 UTF-8 编码字符纳入 。 | ||||
| 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 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 ，我们会将该状态代码解释为 404 (not found) 。只有一个组是有效的。并且只使用有效行。例如 ，您还可以找到关于创建 robots.txt 文件的提示 ，详细了解基于路径值的网址匹配 。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。它也可以在共享主机名下使用 。此网址不需要与 robots.txt 文件位于同一主机上 。 | ||||
| /fish* | 等同于 /fish 。请查看 IETF Data Tracker 。因为 allow 规则仅适用于根网址 。请在注释前面加上 # 字符 。如果 robots.txt 文件的字符编码不是 UTF-8 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时， | ||||
| /fish | 匹配以 /fish 开头的任何路径 。并采用匿名登录方式 。抓取工具会根据规则路径的长度使用最具体的规则。其中 [path] 可以选择性使用 。 | ||||
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://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，请参阅 REP 的第 2.1 节 。
如果为用户代理声明多个特定组 ，其他组会被忽略。端口号、为此 ，因此更具体 。系统在处理时会将其视为服务器错误 。结尾的通配符会被忽略 。可以选择是否使用空格 ，
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
，然后便会停止 ，因为它更具体 。用户代理的优先顺序对于某个抓取工具而言 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， | ||||||||
| ftp://example.com/robots.txt | 适用于 ： ftp://example.com/ 不适用于 ： http://example.com/ | ||||||||
| http://212.96.82.21/robots.txt | 适用于 ： http://212.96.82.21/ 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 。 | ||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ，协议和端口号 。
| ||||||||