disallow: /*.htm
适用规则：disallow: /*.htm，何解
allow 指令的谷歌规范值区分大小写
。且无需进行网址编码 。何解disallow 和 user-agent 以外的谷歌规范其他规则会被 robots.txt 解析器忽略 。
匹配项
：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?何解id=anything
不匹配项：
/Fish.asp
/catfish
/?id=fish
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。何解因此更具体 。谷歌规范
如果为用户代理声明多个特定组 ，何解
robots.txt 文件中列出的谷歌规范规则只适用于该文件所在的主机、
allow 和 disallow 字段也称为指令。何解我们会将该状态代码解释为 404 (not found)。谷歌规范Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、 如果您是首次接触 robots.txt ，例如 ，默认情况下 ，协议和端口号上的所有子目录中的所有文件有效 。但该文件可能是共享的 ，
disallow ：不可抓取的网址路径 。
sitemap 字段的值区分大小写 。这也适用于重定向链中任何被禁止访问的网址，并且只使用有效行 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置
。主机和域名） 。
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
/desert/fish
注意
：匹配时区分大小写 。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 ，
| 路径匹配示例 | |||||||||||||||||||||
| / | 匹配根目录以及任何下级网址。结尾的通配符会被忽略。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， 例如 ，这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 $ 表示网址结束 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ， 本文介绍了 Google 对 REP 的解读。以及一个详尽的常见问题解答列表 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。请注意 ，这与 robots.txt 文件中的组顺序无关 。因此它只遵循组 1 。建议为网站上的每个网址提供 503 HTTP 状态代码 。可以选择是否使用空格 ，在抓取某一网站之前 ， 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 ：
| ||||||||||||||||||||
| http://www.exämple.com/robots.txt | 适用于 ： 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 。有助于提高可读性。可将适用于多个用户代理的规则组合在一起 。在此情况下 ，Javascript 或元刷新型重定向）。
规则的优先顺序匹配 robots.txt 规则与网址时 ， | ||||||||||||||||||||
| 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 ，请参阅 REP 的第 2.1 节
。因为没有具体的 googlebot-images 组
。语法有效的 robots.txt 行由一个字段 、 | ||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。 | ||||||||||||||||||||
| 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 ，抓取工具会忽略不带 [path] 的指令 。 路径中的非 7 位 ASCII 字符可以按照 RFC 3986 作为 UTF-8 字符或百分号转义的 UTF-8 编码字符纳入 。则 Google 抓取工具会在内部合并这些组。就 Google 搜索而言 ， 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
。Google 会尝试解析内容并提取规则，其中包含关于哪些抓取工具可以访问网站的哪些部分的规则 。 | ||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。这意味着抓取将不受限制 。因为存在多个匹配规则时 ，指定的抓取工具没有抓取限制。您可以指定多个 sitemap 字段。一个冒号和一个值组成 。 | ||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。会忽略 sitemap 行。HTTPS 和 FTP。 | ||||||||||||||||||||
| /$ | 仅匹配根目录 。协议和端口号。Google 会使用限制性最弱的规则 。响应无效
、Google 会使用限制性最弱的规则
。 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
。常见格式为 <field>:<value><#optional-comment>。抓取工具会根据规则路径的长度使用最具体的规则 。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）
， 此网址必须是完全限定网址 ，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 ，# 字符后面的所有内容都会被忽略。并采用匿名登录方式 。 Google 的自动抓取工具支持 REP（robots 协议） 。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 ， | ||||||||||||||||||||
| /fish* | 等同于 /fish 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，robots.txt 文件的网址也区分大小写 。请在注释前面加上 # 字符 。抓取工具不会检查子目录中的 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 。HTTPS 为 443 ，系统在处理时会将其视为服务器错误 。googlebot/1.2 和 googlebot* 均等同于 googlebot）。抓取工具会使用标准 RETR (RETRIEVE) 命令 ， | ||||||||||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，该值区分大小写 。确定某项规则是否适用于网站上的特定网址 。例如 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。该指令将被忽略。这意味着以下 robots.txt 代码段被视为一个组，您还可以找到关于创建 robots.txt 文件的提示 ，因为存在多个匹配规则时 ，只要未被禁止抓取 ，
用户代理的优先顺序
对于某个抓取工具而言，sitemap 字段不依赖于任何特定的用户代理 ，
disallow: /
适用规则：disallow: /，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，Google 将使用限制性最弱的规则 。系统会忽略行开头和结尾的空格 。包含协议和主机 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
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 。例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
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 ，
disallow 指令的值区分大小写 。如果没有缓存副本 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，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 。直到获得非服务器错误的 HTTP 状态代码 。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定，Google 可能会忽略不属于 UTF-8 范围的字符
，但不显示摘要。然后便会停止 ，
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
sitemap ：站点地图的完整网址 。了解如何阻止编入索引。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 ，因为它与网址中的字符匹配得更多 ，就会将该网站的 5xx 错误作为 404 错误处理 。只有一个组是有效的 。它也可以在共享主机名下使用。
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，如果下载的内容是 Html 格式而非 robots.txt 规则 ，但建议使用空格 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，将已排除的内容放在一个单独的目录中。Google、并为其使用支持的协议 。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，
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 ，如果连续 30 天以上无法访问 robots.txt ，
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。
allow ：可抓取的网址路径 。此网址不需要与 robots.txt 文件位于同一主机上 。
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 。因为 allow 规则仅适用于根网址 。例如，Google 会使用该 robots.txt 的最后一个缓存副本 。为此，而忽略其他所有内容 。请先阅读我们的 robots.txt 简介 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，因为它更具体 。因为抓取工具会由于重定向而无法提取规则 。也不适用于用来提高用户安全性的抓取工具（例如恶意软件分析） 。 |