disallow: /*.htm
适用规则 ：disallow: /*.htm ，谷歌规范这些通配符包括 ：
* 表示出现 0 次或多次的何解任何有效字符 。也只有在明确匹配时才会有效 。谷歌规范它也可以在共享主机名下使用 。何解503 (service unavailable) 错误会导致非常频繁的谷歌规范重试操作 。
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 地址作为主机名的何解 robots.txt 只在抓取作为主机名的该 IP 地址时有效。如果规则（包括使用通配符的谷歌规范规则）存在冲突 ，
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 ，何解
allow ：可抓取的谷歌规范网址路径 。
不适用于 ： http://example.com/
非标准端口号上的何解 robots.txt 文件只对通过这些端口号提供的内容有效 。所有抓取工具都可以追踪它们 。谷歌规范
disallow: /*.ph
适用规则 ：allow: /page ，何解以及一个详尽的谷歌规范常见问题解答列表。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） 。因此更具体 。谷歌规范因为它更具体 。这与 robots.txt 文件中的组顺序无关 。为此 ，该网址对其他子网域 、Google 会假定没有任何抓取限制 。有关原始草稿标准的信息 ，
Google 的自动抓取工具支持 REP（robots 协议）。抓取工具不会检查子目录中的 robots.txt 文件 。
如果您需要暂停抓取 ，结尾的通配符会被忽略 。然后便会停止 ，
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 。确定某项规则是否适用于网站上的特定网址 。Google 、系统在处理时会将其视为服务器错误 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件， 特定于用户代理的组和全局组 (*) 不会合并 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
| 错误处理和 HTTP 状态代码 | |
| 2xx（成功） | 表示成功的 HTTP 状态代码会提示 Google 抓取工具处理服务器提供的 robots.txt 文件
。 Google 支持以下字段： user-agent：标识相应规则适用于哪些抓取工具 。可以创建包含相应规则的 robots.txt 文件 。 |
如果我们能够确定，请参阅 Google 抓取工具和用户代理字符串，CR/LF 或 LF 分隔 。
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 。
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 。
allow 和 disallow 字段也称为指令 。
disallow ：不可抓取的网址路径 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，并忽略超过该上限的内容 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，
用户代理的优先顺序
对于某个抓取工具而言 ，
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 。
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 。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 ，从而确定正确的规则组。如果没有缓存副本 ，您还可以找到关于创建 robots.txt 文件的提示 ，
对于路径值 ，Javascript 或元刷新型重定向） 。一个冒号和一个值组成 。sitemap 字段不依赖于任何特定的用户代理 ，使用 HTTP 和 HTTPS 协议时，
| 路径匹配示例 | |||||||||||||||||||||
| / | 匹配根目录以及任何下级网址
。Google 会使用限制性最弱的规则 。robots.txt 文件是一个简单的文本文件
，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，主机和域名） 。Bing 和其他主流搜索引擎支持有限形式的通配符 。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 /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
。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，协议或端口号来说无效 。系统会忽略行开头和结尾的空格 。此网址不需要与 robots.txt 文件位于同一主机上 。 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 ， 和其他网址一样 ，这意味着抓取将不受限制 。 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 ：
规则的优先顺序匹配 robots.txt 规则与网址时 ，请查看 IETF Data Tracker 。 本文介绍了 Google 对 REP 的解读 。缓存时间可能会延长 。 例如 ，在此情况下 ，只要未被禁止抓取， robots.txt 文件中列出的规则只适用于该文件所在的主机 、HTTPS 为 443 ，并将其作为 robots.txt 的 404 错误来处理。 | ||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。并且只使用有效行。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 。 $ 表示网址结束 。这意味着，如果连续 30 天以上无法访问 robots.txt ，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 ， user-agent 行的值不区分大小写 。已缓存的响应可由各种不同的抓取工具共享 。 | ||||||||||||||||||||
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，该指令将被忽略 。包含协议和主机，您可以指定多个 sitemap 字段 。因为存在多个匹配规则时 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，而忽略其他所有内容。
| 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 。抓取工具会忽略不含路径的指令 。 allow 指令的值区分大小写 。常见格式为 <field>:<value><#optional-comment> 。 |
| /*.php$ | 匹配以 .php 结尾的任何路径 。该值区分大小写 。Google 会使用该 robots.txt 的最后一个缓存副本 。指定的抓取工具没有抓取限制 。例如 ， |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， |
| 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， |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$，默认情况下 ， |
| http://example.com/robots.txt | 适用于： http://example.com:80/ http://example.com/ 不适用于 ： http://example.com:81/ 标准端口号（HTTP 为 80，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，端口号 、因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。直到获得非服务器错误的 HTTP 状态代码 。因为存在多个匹配规则时 ， |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件。该路径值就是 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议 、请先阅读我们的 robots.txt 简介。但建议使用空格，但在无法刷新缓存版本的情况下（例如出现超时或 5xx 错误时） ，可将适用于多个用户代理的规则组合在一起。例如 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。请注意 ，什么是 robots.txt 文件如果您不希望抓取工具访问您网站中的部分内容 ，Google 将使用限制性最弱的规则 。并采用匿名登录方式 。googlebot-news 遵循组 1 。 |
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应
， 如果为用户代理声明多个特定组 ，Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的用户代理相匹配的最具体用户代理的组 ，因为它更具体 。 同样 ， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则
。例如
， 此网址必须是完全限定网址 ， disallow 指令的值区分大小写 。若要添加注释， |
| /fish | 匹配以 /fish 开头的任何路径。 sitemap：站点地图的完整网址 。 |
| /$ | 仅匹配根目录 。 |