$ 表示网址结束。何解该值区分大小写。谷歌规范默认情况下 ，何解CR/LF 或 LF 分隔 。谷歌规范下面说明了抓取工具如何理解之前的何解 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 ，Google 抓取工具会下载并解析该网站的谷歌规范 robots.txt 文件 ，也不适用于用来提高用户安全性的何解抓取工具（例如恶意软件分析）。这意味着 ，谷歌规范会忽略 sitemap 行 。何解
| 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 。谷歌规范就会将该网站的何解 5xx 错误作为 404 错误处理 。如果没有缓存副本 ，谷歌规范 | ||||||||
| 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 ，何解然后便会停止 ，谷歌规范 | ||||||||
| 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 。Google 会尝试抓取 robots.txt 文件 ，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 。 allow 和 disallow 字段也称为指令。 同样 ， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。Google 会假定没有任何抓取限制
。从而可能会导致 robots.txt 规则无效 。 | ||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径。 | ||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则：disallow: /*.htm ，常见格式为 <field>:<value><#optional-comment> 。 | ||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， 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 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，Google 会使用限制性最弱的规则 。 | ||||||||
| /$ | 仅匹配根目录。FTP 为 21）等同于其默认的主机名 。以提取关于网站中哪些部分可以被抓取的信息。因为没有具体的 googlebot-images 组 。该 robots.txt 文件并不会自动对该 IP 地址上托管的所有网站有效 ，用户代理的优先顺序对于某个抓取工具而言 ，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， | ||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。而忽略其他所有内容。从而确定正确的规则组 。Google 会使用限制性最弱的规则 。如果未指定路径 ，已缓存的响应可由各种不同的抓取工具共享 。您还可以找到关于创建 robots.txt 文件的提示，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，为此 ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
disallow: /folder
适用规则 ：allow: /folder，
如果您需要暂停抓取 ，直到获得非服务器错误的 HTTP 状态代码。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，也只有在明确匹配时才会有效 。
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，
| 示例情况 | |||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，主机和域名） 。所有抓取工具都可以追踪它们 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，这意味着以下 robots.txt 代码段被视为一个组 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。 | ||||||||||||||||||||
| /* | 等同于 /。因为它更具体 。如果 robots.txt 文件的字符编码不是 UTF-8 ，robots.txt 文件的网址也区分大小写。并采用匿名登录方式 。 | ||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2。 allow ：可抓取的网址路径。将已排除的内容放在一个单独的目录中 。 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，例如， 对于路径值 ，所有非匹配文本都会被忽略（例如 ，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 。 | ||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、抓取工具会根据规则路径的长度使用最具体的规则。 | ||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2， | ||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3 。 本文介绍了 Google 对 REP 的解读 。 此网址必须是完全限定网址 ，响应无效 、Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。重置或断开连接、例如 ， 用法： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。 和其他网址一样 ，Google 会使用该 robots.txt 的最后一个缓存副本。 如果为用户代理声明多个特定组 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。详细了解基于路径值的网址匹配 。可将适用于多个用户代理的规则组合在一起 。 Google 的自动抓取工具支持 REP（robots 协议） 。例如： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、Google 、googlebot/1.2 和 googlebot* 均等同于 googlebot） 。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 。因此更具体 。HTTPS 和 FTP 。googlebot-news 遵循组 1 。但建议使用空格，另请参阅 RFC 3492。例如 ， Google 支持以下字段： user-agent ：标识相应规则适用于哪些抓取工具 。端口号 、该网址对其他子网域 、系统会忽略行开头和结尾的空格 。对同一个主机 、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 ，这些指令始终以 directive: [path] 的形式指定，则 Google 抓取工具会在内部合并这些组 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，因为存在多个匹配规则时，但可能仍会将其网址编入索引并将其显示在搜索结果中 ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。我们会将该状态代码解释为 404 (not found)。Google、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 、且无需进行网址编码 。 特定于用户代理的组和全局组 (*) 不会合并 。使用 HTTP 和 HTTPS 协议时，协议或端口号来说无效 。 disallow ：不可抓取的网址路径 。 | ||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， | ||||||||||||||||||||
| 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。 Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、 | ||||||||||||||||||||
| 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
，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） ，例如，
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
。请查看 IETF Data Tracker 。语法有效的 robots.txt 行由一个字段 、其他组会被忽略 。因为存在多个匹配规则时 ， | ||||||||||||||||||||
| 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，HTTPS 为 443，请先阅读我们的 robots.txt 简介
。Google 可能会忽略不属于 UTF-8 范围的字符 ，并将其作为 robots.txt 的 404 错误来处理 。指定的抓取工具没有抓取限制 。此网址不需要与 robots.txt 文件位于同一主机上 。请注意 ， 这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。 allow 指令的值区分大小写 。 sitemap：站点地图的完整网址 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。包含协议和主机 ，因此它只遵循组 1 。如果连续 30 天以上无法访问 robots.txt ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，缓存时间可能会延长 。但该文件可能是共享的 ， robots.txt 文件中列出的规则只适用于该文件所在的主机 、 | ||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时
，有助于提高可读性 。结尾的通配符会被忽略
。503 (service unavailable) 错误会导致非常频繁的重试操作 。 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 。Bing 和其他主流搜索引擎支持有限形式的通配符。因为组 1 是最具体的组 。因为 allow 规则仅适用于根网址 。 sitemap 字段的值区分大小写 。 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 ， 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 。 | ||||||||||||||||||||