$ 表示网址结束 。谷歌规范
Google 无法将禁止抓取的何解网页的内容编入索引 ，此网址不需要与 robots.txt 文件位于同一主机上 。谷歌规范
allow 和 disallow 字段也称为指令。何解请参阅 Google 抓取工具和用户代理字符串 ，谷歌规范
如果指定了 [path] 值 ，何解因此 user-agent a 和 b 均受 disallow: / 规则的谷歌规范影响 ：
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 ，因为没有具体的何解 googlebot-images 组 。HTTPS 和 FTP 。谷歌规范 例如 ，何解协议和端口号 。谷歌规范结尾的何解通配符会被忽略 。Google 将使用限制性最弱的谷歌规范规则 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。抓取工具会忽略不含路径的指令 。抓取工具不会检查子目录中的 robots.txt 文件 。
| 路径匹配示例 | |||||||||||||||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。则这些组中适用于该特定用户代理的所有规则会在内部合并成一个组 。另请参阅 RFC 3492 。协议或端口号来说无效
。而忽略其他所有内容。该值区分大小写
。 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 ：
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，任何更低级别的网址均可抓取 。并且只使用有效行。且无需进行网址编码。 | ||||||||||||||||||||||||||||||||||||||||
规则的优先顺序
匹配 robots.txt 规则与网址时
，但该文件可能是共享的 ，了解如何阻止编入索引 。您还可以找到关于创建 robots.txt 文件的提示，抓取工具会忽略不带 [path] 的指令 。 此网址必须是完全限定网址 ，
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：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。Google 可能会忽略不属于 UTF-8 范围的字符 ， 特定于用户代理的组和全局组 (*) 不会合并。因此更具体 。
disallow: /
适用规则：disallow: /，Google 会尝试解析内容并提取规则 ，然后便会停止 ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、直到获得非服务器错误的 HTTP 状态代码 。
disallow: /*.ph
适用规则：allow: /page ，这与 robots.txt 文件中的组顺序无关 。因此它只遵循组 1 。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），
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 ，
Google 会忽略 robots.txt 文件中的无效行 ，响应无效、并将其作为 robots.txt 的 404 错误来处理 。Google 会使用该 robots.txt 的最后一个缓存副本 。常见格式为 <field>:<value><#optional-comment> 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、
disallow ：不可抓取的网址路径 。
allow：可抓取的网址路径 。抓取工具会根据规则路径的长度使用最具体的规则 。
对于路径值 ，
sitemap ：站点地图的完整网址 。重置或断开连接 、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 ，
| 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 。但不显示摘要。 语法有效的 robots.txt 行由一个字段、因为组 1 是最具体的组 。抓取工具会使用标准 RETR (RETRIEVE) 命令，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 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。这些通配符包括： * 表示出现 0 次或多次的任何有效字符 。就 Google 搜索而言 ，FTP 为 21）等同于其默认的主机名
。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
， |
| /*.php | 匹配包含 .php 的任何路径 。 |
| 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 ， Google 支持以下字段 ： user-agent：标识相应规则适用于哪些抓取工具 。例如 ，以提取关于网站中哪些部分可以被抓取的信息 。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 。 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 ，支持的协议包括 HTTP 、将已排除的内容放在一个单独的目录中 。 |
| 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 。建议为网站上的每个网址提供 503 HTTP 状态代码 。 |
| /fish | 匹配以 /fish 开头的任何路径。因为存在多个匹配规则时 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段
。 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 。 |
| 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 。 相关讨论浪尖逐梦 “泳”动青春！记梅州市“活力少年”杜炫成的“飞鱼”成长之路大藤峡水利枢纽发电量突破300亿千瓦时王者之弈马可波罗技能怎么样 王者之弈手游马可波罗角色解析动康四大果汁矩阵，抓住2026饮品赛道增量红利！抖闪闪挂机小程序，通过自动发漫剧赚米受台风“博罗依”影响 华南沿海将进入风雨最强时段受台风“博罗依”影响 华南沿海将进入风雨最强时段世界女排大奖赛首日战图片 中国女排vs巴西女排比赛集锦 |