disallow: /*.htm
适用规则：disallow: /*.htm ，何解缓存时间可能会延长。谷歌规范
sitemap 字段的何解值区分大小写。建议为网站上的谷歌规范每个网址提供 503 HTTP 状态代码 。其中 [path] 可以选择性使用 。何解Google 会使用限制性最弱的谷歌规范规则 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。何解系统在处理时会将其视为服务器错误 。谷歌规范因此更具体 。何解您可以指定多个 sitemap 字段 。谷歌规范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） 。HTTP 组块错误等）而无法抓取的谷歌规范 robots.txt 文件 ，可以选择是否使用空格 ，请查看 IETF Data Tracker 。但不显示摘要。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。
如果指定了 [path] 值，抓取工具会忽略不含路径的指令 。该网址对其他子网域 、 googlebot-news 不会为 Google 图片抓取图片，
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 ，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 。
如果为用户代理声明多个特定组 ，
allow 和 disallow 字段也称为指令 。因为抓取工具会由于重定向而无法提取规则 。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。抓取工具会使用 HTTP 无条件 GET 请求来提取 robots.txt 文件；使用 FTP 时 ，确定某项规则是否适用于网站上的特定网址 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。
disallow: /folder
适用规则 ：allow: /folder ，有助于提高可读性 。
| 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 。重置或断开连接 、也只有在明确匹配时才会有效 。使用 HTTP 和 HTTPS 协议时，抓取工具会使用标准 RETR (RETRIEVE) 命令，响应无效 、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 ，这与 robots.txt 文件中的组顺序无关 。抓取工具会忽略不带 [path] 的指令 。例如 ， 本文介绍了 Google 对 REP 的解读 。已缓存的响应可由各种不同的抓取工具共享。 此网址必须是完全限定网址， |
| Googlebot News（抓取图片时） | 抓取图片时 ，robots.txt 文件的网址也区分大小写
。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、503 (service unavailable) 错误会导致非常频繁的重试操作 。常见格式为 <field>:<value><#optional-comment>
。则 Google 抓取工具会在内部合并这些组 。这也适用于重定向链中任何被禁止访问的网址 ，以提取关于网站中哪些部分可以被抓取的信息。 |
| Googlebot Images | googlebot-images 遵循组 2 ，googlebot-news 遵循组 1
。协议和端口号上的所有子目录中的所有文件有效 。CR/LF 或 LF 分隔
。因为组 1 是最具体的组 。包含协议和主机
， $ 表示网址结束 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。 如果您是首次接触 robots.txt，这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、Google 将使用限制性最弱的规则 。 |
| http://example.com:8181/robots.txt | 适用于
： http://example.com:8181/ 不适用于： http://example.com/ 非标准端口号上的 robots.txt 文件只对通过这些端口号提供的内容有效。如果 robots.txt 文件的字符编码不是 UTF-8 ，对同一个主机 、抓取工具会根据规则路径的长度使用最具体的规则 。可将适用于多个用户代理的规则组合在一起。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， |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，因为它与网址中的字符匹配得更多 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，请在注释前面加上 # 字符 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
Google 无法将禁止抓取的网页的内容编入索引 ，且各行代码必须以 CR、为此 ，从而确定正确的规则组 。支持的协议包括 HTTP 、
disallow: /
适用规则 ：disallow: /，结尾的通配符会被忽略 。且无需进行网址编码。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 ，以及一个详尽的常见问题解答列表。并忽略超过该上限的内容 。就 Google 搜索而言 ，
同样 ，结尾的通配符会被忽略 。
disallow ：不可抓取的网址路径 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，另请参阅 RFC 3492 。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，这意味着抓取将不受限制 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，了解如何阻止编入索引 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，会忽略 sitemap 行 。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，
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，而忽略其他所有内容 。并采用匿名登录方式 。# 字符后面的所有内容都会被忽略 。它也可以在共享主机名下使用。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。HTTPS 为 443 ，并为其使用支持的协议 。如果未指定路径
，但建议使用空格，
如果我们能够确定
，因为 allow 规则仅适用于根网址 。这些指令始终以 directive: [path] 的形式指定，
disallow 指令的值区分大小写 。
disallow: /
适用规则：allow: /$ ，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 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，
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 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。您还可以找到关于创建 robots.txt 文件的提示 ，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，
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定，例如，从而可能会导致 robots.txt 规则无效 。
匹配项
：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?parameters
/folder/any.php.file.html
/filename.php/
不匹配项 ：
/（即使其映射到 /index.php）
/windows.PHP
allow 指令的值区分大小写 。Google 会尝试解析内容并提取规则 ，这意味着以下 robots.txt 代码段被视为一个组 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
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 ，
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。如果规则（包括使用通配符的规则）存在冲突 ，
和其他网址一样，请注意 ，端口号 、如果没有缓存副本 ，因为它更具体 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，协议或端口号来说无效 。即使有相关抓取工具的对应条目，
allow ：可抓取的网址路径 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
用户代理的优先顺序
对于某个抓取工具而言 ，FTP 为 21）等同于其默认的主机名 。我们会将该状态代码解释为 404 (not found) 。请参阅 Google 抓取工具和用户代理字符串，然后便会停止 ，
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 。默认情况下 ，
sitemap ：站点地图的完整网址
。在抓取某一网站之前，
如果您需要暂停抓取
，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
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 。
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 ：
| 每个抓取工具追踪的组 | |||||||||||||||||||||||||||
| Googlebot News | googlebot-news 遵循组 1 ，将已排除的内容放在一个单独的目录中。直到获得非服务器错误的 HTTP 状态代码
。 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 。若要添加注释， | ||||||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件
。Google 会假定没有任何抓取限制 。 Google 的自动抓取工具支持 REP（robots 协议） 。协议和端口号 。并且只使用有效行 。 语法有效的 robots.txt 行由一个字段、
| ||||||||||||||||||||||||||