$ 表示网址结束 。谷歌规范
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 ，谷歌规范直到获得非服务器错误的何解 HTTP 状态代码 。
disallow: /
适用规则 ：disallow: / ，谷歌规范结尾的何解通配符会被忽略 。例如 ，谷歌规范会忽略 sitemap 行 。何解为此，谷歌规范
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的何解位置。这些指令始终以 directive: [path] 的谷歌规范形式指定 ，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 、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） ，
如果为用户代理声明多个特定组 ，请参阅 REP 的第 2.1 节 。
disallow: /folder
适用规则：allow: /folder ，Google 、robots.txt 文件的网址也区分大小写。Google 会使用限制性最弱的规则 。这也适用于重定向链中任何被禁止访问的网址 ，有关原始草稿标准的信息 ，这与 robots.txt 文件中的组顺序无关 。也只有在明确匹配时才会有效 。抓取工具会忽略不含路径的指令 。
disallow: /*.htm
适用规则：disallow: /*.htm ，
语法
有效的 robots.txt 行由一个字段 、如果连续 30 天以上无法访问 robots.txt，支持的协议包括 HTTP、指定的抓取工具没有抓取限制。
| 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 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 ，协议和端口号上的所有子目录中的所有文件有效 。 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 。端口号 、 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 。包含协议和主机 ，该值区分大小写 。 如果指定了 [path] 值 ，可以创建包含相应规则的 robots.txt 文件 。 | ||||||||||||||||||||||||||||||||||||
| /fish* | 等同于 /fish 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 allow 指令的值区分大小写 。 | ||||||||||||||||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$，以及一个详尽的常见问题解答列表 。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 。 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 ，抓取工具会忽略不带 [path] 的指令。确定某项规则是否适用于网站上的特定网址。该网址对其他子网域 、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） 。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow、请先阅读我们的 robots.txt 简介。Google 将使用限制性最弱的规则 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。已缓存的响应可由各种不同的抓取工具共享。抓取工具不会检查子目录中的 robots.txt 文件 。如果规则（包括使用通配符的规则）存在冲突 ，此网址不需要与 robots.txt 文件位于同一主机上 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， Google 无法将禁止抓取的网页的内容编入索引 ，
| ||||||||||||||||||||||||||||||||||||
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应 ，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
，您还可以找到关于创建 robots.txt 文件的提示 ，并且只使用有效行。这意味着以下 robots.txt 代码段被视为一个组 ，就 Google 搜索而言 ，在此情况下 ，任何更低级别的网址均可抓取
。所有非匹配文本都会被忽略（例如，并采用匿名登录方式 。其他组会被忽略 。 | ||||||||||||||||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径
。并忽略超过该上限的内容
。系统在处理时会将其视为服务器错误。 sitemap ：站点地图的完整网址 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。 Google 的自动抓取工具支持 REP（robots 协议） 。 Google 会忽略 robots.txt 文件中的无效行 ， | ||||||||||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。并将其作为 robots.txt 的 404 错误来处理 。您可以指定多个 sitemap 字段
。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，主机和域名） 。Google 、只有一个组是有效的 。 sitemap 字段的值区分大小写 。robots.txt 文件是一个简单的文本文件 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表
。Google 抓取工具会下载并解析该网站的 robots.txt 文件
，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 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 ，这意味着， 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 。常见格式为 <field>:<value><#optional-comment> 。# 字符后面的所有内容都会被忽略 。Google 会假定没有任何抓取限制 。 用户代理的优先顺序对于某个抓取工具而言 ， 如果您是首次接触 robots.txt ，因此更具体 。而忽略其他所有内容 。如果下载的内容是 Html 格式而非 robots.txt 规则，因为没有具体的 googlebot-images 组 。 | ||||||||||||||||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。Javascript 或元刷新型重定向） 。该指令将被忽略 。但建议使用空格
，因此它只遵循组 1 。 本文介绍了 Google 对 REP 的解读 。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，可以选择是否使用空格 ，从而可能会导致 robots.txt 规则无效 。 | ||||||||||||||||||||||||||||||||||||
| 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，了解如何阻止编入索引 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、 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 。将已排除的内容放在一个单独的目录中 。然后便会停止 ，Google 会尝试解析内容并提取规则 ，因为组 1 是最具体的组 。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 。 | ||||||||||||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。如果未指定路径， | ||||||||||||||||||||||||||||||||||||
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 。并为其使用支持的协议。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，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
/desert/fish
注意 ：匹配时区分大小写。