$ 表示网址结束。谷歌规范例如 ：
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 ，何解
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，谷歌规范则这些组中适用于该特定用户代理的何解所有规则会在内部合并成一个组。disallow 和 user-agent 以外的谷歌规范其他规则会被 robots.txt 解析器忽略。因为存在多个匹配规则时 ，何解就 Google 搜索而言 ，谷歌规范
# 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 ，请参阅 REP 的何解第 2.1 节。Google 会尝试解析内容并提取规则 ，谷歌规范如果下载的何解内容是 Html 格式而非 robots.txt 规则 ，但建议使用空格 ，谷歌规范
本文介绍了 Google 对 REP 的解读。但不显示摘要 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。Bing 和其他主流搜索引擎支持有限形式的通配符 。将已排除的内容放在一个单独的目录中 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。指定的抓取工具没有抓取限制 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。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 ，在此情况下
，Google 将使用限制性最弱的规则。 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 。 |
| 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 。有助于提高可读性 。协议和端口号上的所有子目录中的所有文件有效 。 |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，结尾的通配符会被忽略。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，因为组 1 是最具体的组 。这也适用于重定向链中任何被禁止访问的网址 ，sitemap 字段不依赖于任何特定的用户代理，以提取关于网站中哪些部分可以被抓取的信息 。Google 会使用限制性最弱的规则 。这意味着 ，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） ，而忽略其他所有内容 。 |
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 ，重置或断开连接、所有抓取工具都可以追踪它们 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。若要添加注释，主机和域名） 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。常见格式为 <field>:<value><#optional-comment> 。
allow 和 disallow 字段也称为指令 。
语法
有效的 robots.txt 行由一个字段 、系统在处理时会将其视为服务器错误 。并为其使用支持的协议。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 ，并忽略超过该上限的内容。
如果您需要暂停抓取 ，例如
：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
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。一个冒号和一个值组成 。协议或端口号来说无效 。
如果为用户代理声明多个特定组 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，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 。
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 。
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，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，包含协议和主机 ，
disallow ：不可抓取的网址路径 。如果规则（包括使用通配符的规则）存在冲突，
disallow: /*.ph
适用规则 ：allow: /page ，例如 ，
| 示例情况 | |||||||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，抓取工具会忽略不带 [path] 的指令 。并且只使用有效行 。默认情况下 ，如果连续 30 天以上无法访问 robots.txt，对同一个主机 、可将适用于多个用户代理的规则组合在一起 。协议和端口号 。这与 robots.txt 文件中的组顺序无关。 | ||||||||||||||||||||||||||||||
| 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
，因为它更具体。例如
，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 ，抓取工具会忽略不含路径的指令 。在抓取某一网站之前
， 和其他网址一样 ， 此网址必须是完全限定网址 ， googlebot-news 不会为 Google 图片抓取图片 ，它也可以在共享主机名下使用 。且各行代码必须以 CR、任何更低级别的网址均可抓取 。 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 。就会将该网站的 5xx 错误作为 404 错误处理 。Google 会尝试抓取 robots.txt 文件 ， 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 ：
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时， 用户代理的优先顺序对于某个抓取工具而言 ， | ||||||||||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径
。googlebot-news 遵循组 1 。 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
。 如果指定了 [path] 值 ，系统会忽略行开头和结尾的空格 。 disallow 指令的值区分大小写 。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
，支持的协议包括 HTTP
、 allow ：可抓取的网址路径 。 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 。 特定于用户代理的组和全局组 (*) 不会合并 。该值区分大小写 。Google、也只有在明确匹配时才会有效 。 | ||||||||||||||||||||||||||||||
| 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 ， 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 。 sitemap ：站点地图的完整网址。Google 会使用该 robots.txt 的最后一个缓存副本 。例如 ，则 Google 抓取工具会在内部合并这些组 。缓存时间可能会延长。HTTPS 和 FTP 。 Google 无法将禁止抓取的网页的内容编入索引
， | ||||||||||||||||||||||||||||||