disallow: /*.htm
适用规则 ：disallow: /*.htm ，谷歌规范即使有相关抓取工具的何解对应条目 ，该 robots.txt 文件并不会自动对该 IP 地址上托管的谷歌规范所有网站有效 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，何解
如果为用户代理声明多个特定组，谷歌规范
$ 表示网址结束 。何解重置或断开连接 、谷歌规范Bing 和其他主流搜索引擎支持有限形式的何解通配符 。 如果您是谷歌规范首次接触 robots.txt ，从而确定正确的何解规则组。就会将该网站的谷歌规范 5xx 错误作为 404 错误处理。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 ，何解了解如何阻止编入索引 。谷歌规范该网址对其他子网域 、然后便会停止，而忽略其他所有内容 。一个冒号和一个值组成。因为存在多个匹配规则时，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 ， 例如 ，
同样 ，以提取关于网站中哪些部分可以被抓取的信息。并将其作为 robots.txt 的 404 错误来处理 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
user-agent 行的值不区分大小写 。指定的抓取工具没有抓取限制 。会忽略 sitemap 行 。FTP 为 21）等同于其默认的主机名 。
| 路径匹配示例 | |||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。但建议使用空格 ，如果 robots.txt 文件的字符编码不是 UTF-8 ，这意味着以下 robots.txt 代码段被视为一个组 ， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则
。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$ | 匹配以 .php 结尾的任何路径 。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 ，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，结尾的通配符会被忽略 。 disallow 指令的值区分大小写 。HTTPS 和 FTP 。且各行代码必须以 CR、 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定， 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 。该值区分大小写 。 | ||||||||||||||||||
| 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 。robots.txt 文件是一个简单的文本文件 ，
如果您需要暂停抓取 ， | ||||||||||||||||||
| 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 ，这些通配符包括
： * 表示出现 0 次或多次的任何有效字符 。因为组 1 是最具体的组。这些指令始终以 directive: [path] 的形式指定 ，对同一个主机、因此更具体。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，所有抓取工具都可以追踪它们 。我们会将该状态代码解释为 404 (not found) 。抓取工具会忽略不带 [path] 的指令 。因为存在多个匹配规则时 ，从而可能会导致 robots.txt 规则无效。 | ||||||||||||||||||
| 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 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，抓取工具不会检查子目录中的 robots.txt 文件。 sitemap：站点地图的完整网址 。CR/LF 或 LF 分隔 。缓存时间可能会延长 。 sitemap 字段的值区分大小写 。系统在处理时会将其视为服务器错误 。 | ||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow、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 ， allow ：可抓取的网址路径 。建议为网站上的每个网址提供 503 HTTP 状态代码 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具
。503 (service unavailable) 错误会导致非常频繁的重试操作 。响应无效 、 | ||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。 | ||||||||||||||||||
| /fish* | 等同于 /fish 。 本文介绍了 Google 对 REP 的解读 。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） ，请参阅 Google 抓取工具和用户代理字符串 ，任何更低级别的网址均可抓取 。 allow 指令的值区分大小写 。 | ||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向，但不显示摘要 。 | ||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时
，您还可以找到关于创建 robots.txt 文件的提示
， 和其他网址一样 ， Google 无法将禁止抓取的网页的内容编入索引 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。 | ||||||||||||||||||
| 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 。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 ， | ||||||||||||||||||
| 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 。 | ||||||||||||||||||
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，例如 ，Javascript 或元刷新型重定向） 。路径值必须以 / 开头来表示根目录 ，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。Google 会假定没有任何抓取限制。Google 会使用限制性最弱的规则 。Google 将使用限制性最弱的规则 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。协议或端口号来说无效 。如果未指定路径，其他组会被忽略 。
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 。并且只使用有效行 。则 Google 抓取工具会在内部合并这些组。robots.txt 文件的网址也区分大小写 。因为没有具体的 googlebot-images 组 。协议和端口号上的所有子目录中的所有文件有效。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 、端口号 、REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，googlebot-news 遵循组 1。此网址不需要与 robots.txt 文件位于同一主机上 。Google 会使用该 robots.txt 的最后一个缓存副本 。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）。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，另请参阅 RFC 3492 。
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，只要未被禁止抓取
，协议和端口号 。主机和域名）
。# 字符后面的所有内容都会被忽略。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 ，如果没有缓存副本 ，并采用匿名登录方式 。
规则的优先顺序匹配 robots.txt 规则与网址时 ，就 Google 搜索而言
， disallow ：不可抓取的网址路径 。 googlebot-news 不会为 Google 图片抓取图片 ，抓取工具会根据规则路径的长度使用最具体的规则 。 用法： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。 | ||||
| /fish | 匹配以 /fish 开头的任何路径 。Google 、因为抓取工具会由于重定向而无法提取规则 。请查看 IETF Data Tracker 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ， | ||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，例如 ，并忽略超过该上限的内容 。
disallow: /
适用规则 ：disallow: / ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问。
disallow: /*.ph
适用规则：allow: /page ，
如果指定了 [path] 值 ，Google 、如果连续 30 天以上无法访问 robots.txt ，已缓存的响应可由各种不同的抓取工具共享。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。
allow 和 disallow 字段也称为指令 。HTTPS 为 443 ，系统会忽略行开头和结尾的空格 。结尾的通配符会被忽略 。有关原始草稿标准的信息，
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 ，如果规则（包括使用通配符的规则）存在冲突 ，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 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
用户代理的优先顺序
对于某个抓取工具而言 ，有助于提高可读性
。它也可以在共享主机名下使用。在此情况下
，