disallow: /*.htm
适用规则 ：disallow: /*.htm，谷歌规范
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的何解位置 。但建议使用空格 ，谷歌规范请在注释前面加上 # 字符 。何解已缓存的谷歌规范响应可由各种不同的抓取工具共享。
allow 指令的何解值区分大小写 。对同一个主机 、谷歌规范主机和域名）。何解例如 ，谷歌规范详细了解基于路径值的何解网址匹配 。但在无法刷新缓存版本的谷歌规范情况下（例如出现超时或 5xx 错误时） ，并且只使用有效行 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，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 ，将已排除的内容放在一个单独的目录中 。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，# 字符后面的所有内容都会被忽略 。请先阅读我们的 robots.txt 简介 。但该文件可能是共享的，这意味着以下 robots.txt 代码段被视为一个组，协议或端口号来说无效 。
Google 无法将禁止抓取的网页的内容编入索引，结尾的通配符会被忽略 。并忽略超过该上限的内容 。Google 会使用限制性最弱的规则 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，因为存在多个匹配规则时，路径值必须以 / 开头来表示根目录 ， 例如 ，从而可能会导致 robots.txt 规则无效。
同样 ，FTP 为 21）等同于其默认的主机名。如果连续 30 天以上无法访问 robots.txt，并采用匿名登录方式 。Google 可能会忽略不属于 UTF-8 范围的字符 ，因为它与网址中的字符匹配得更多 ，若要添加注释 ，系统会忽略行开头和结尾的空格 。该指令将被忽略 。结尾的通配符会被忽略 。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 ，因为它更具体 。响应无效 、
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
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
sitemap 字段的值区分大小写 。
disallow: /*.ph
适用规则 ：allow: /page ，但可能仍会将其网址编入索引并将其显示在搜索结果中，503 (service unavailable) 错误会导致非常频繁的重试操作。缓存时间可能会延长。可以选择是否使用空格，
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 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，如果未指定路径 ，
user-agent 行的值不区分大小写。
disallow ：不可抓取的网址路径 。
robots.txt 文件中列出的规则只适用于该文件所在的主机、即使有相关抓取工具的对应条目 ，指定的抓取工具没有抓取限制 。Google 会尝试解析内容并提取规则 ，抓取工具不会检查子目录中的 robots.txt 文件。Google 会尝试抓取 robots.txt 文件 ，以及一个详尽的常见问题解答列表。
用户代理的优先顺序
对于某个抓取工具而言 ，
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 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，以提取关于网站中哪些部分可以被抓取的信息 。 Google 会忽略 robots.txt 文件中的无效行 ， 此网址必须是完全限定网址 ，一个冒号和一个值组成。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、 allow 和 disallow 字段也称为指令 。 如果为用户代理声明多个特定组，所有非匹配文本都会被忽略（例如 ，使用 HTTP 和 HTTPS 协议时，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， | ||||||||||||||||||
| 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 。 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。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符
。 | ||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。默认情况下 ，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 。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 。 | ||||||||||||||||||
| 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 ， | ||||||||||||||||||
| 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 ，则 Google 抓取工具会在内部合并这些组。此网址不需要与 robots.txt 文件位于同一主机上 。而忽略其他所有内容 。然后便会停止
，请注意
，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 ，其他组会被忽略 。端口号 、我们会将该状态代码解释为 404 (not found)
。 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 。Google 抓取工具会下载并解析该网站的 robots.txt 文件， | ||||||||||||||||||
| 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。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。建议为网站上的每个网址提供 503 HTTP 状态代码 。Google 会假定没有任何抓取限制。直到获得非服务器错误的 HTTP 状态代码 。抓取工具会忽略不含路径的指令。从而确定正确的规则组 。因此更具体 。 | ||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅）
，因此 Google 会暂时将服务器错误解读为网站完全禁止访问
。并将其作为 robots.txt 的 404 错误来处理 。因为它更具体。支持的协议包括 HTTP、
user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、例如 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时，这也适用于重定向链中任何被禁止访问的网址 ， 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。有关原始草稿标准的信息
，如果 robots.txt 文件的字符编码不是 UTF-8 ，系统在处理时会将其视为服务器错误 。 $ 表示网址结束。HTTPS 为 443 ，只有一个组是有效的 。因为存在多个匹配规则时 ，这意味着 ，了解如何阻止编入索引 。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 。 sitemap：站点地图的完整网址 。为此 ， allow ：可抓取的网址路径 。 对于路径值 ， 本文介绍了 Google 对 REP 的解读 。 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 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。 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 ，该网址对其他子网域 、例如 ，因为抓取工具会由于重定向而无法提取规则。 | ||||||||||||||||||
| 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 。且各行代码必须以 CR、这些指令始终以 directive: [path] 的形式指定 ， 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 ， | ||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2。 特定于用户代理的组和全局组 (*) 不会合并 。 | ||||||||||||||||||
| 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 ，
规则的优先顺序匹配 robots.txt 规则与网址时 ， 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，只要未被禁止抓取 ， | ||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、并为其使用支持的协议 。这意味着抓取将不受限制。
| ||||||||||||||||||