disallow: /*.htm
适用规则 ：disallow: /*.htm ，何解如果下载的谷歌规范内容是 Html 格式而非 robots.txt 规则 ，因为它更具体 。何解从而确定正确的谷歌规范规则组。因为存在多个匹配规则时 ，何解例如 ，谷歌规范如果规则（包括使用通配符的何解规则）存在冲突 ，直到获得非服务器错误的谷歌规范 HTTP 状态代码 。在此情况下 ，何解
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 ，
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 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。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 、googlebot-news 遵循组 1。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 ，
disallow: /folder
适用规则：allow: /folder ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
Google 会忽略 robots.txt 文件中的无效行 ，
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 。# 字符后面的所有内容都会被忽略 。
| 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 。 |
| http://example.com/page.htm | allow: /$ disallow: / 适用规则：disallow: / ，可以创建包含相应规则的 robots.txt 文件 。 |
| Googlebot Images | googlebot-images 遵循组 2，其他组会被忽略。例如
，该指令将被忽略
。 如果我们能够确定 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，它也可以在共享主机名下使用 。请在注释前面加上 # 字符。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 。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） ，
allow 和 disallow 字段也称为指令。端口号 、HTTPS 为 443 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。其中 [path] 可以选择性使用。Google 抓取工具会下载并解析该网站的 robots.txt 文件，
如果为用户代理声明多个特定组 ，Google 、
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 。
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
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。 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 。Google 会使用该 robots.txt 的最后一个缓存副本 。然后便会停止，系统在处理时会将其视为服务器错误 。
disallow 指令的值区分大小写 。Bing 和其他主流搜索引擎支持有限形式的通配符。
sitemap 字段的值区分大小写 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，抓取工具会忽略不带 [path] 的指令 。将已排除的内容放在一个单独的目录中 。googlebot/1.2 和 googlebot* 均等同于 googlebot）。所有抓取工具都可以追踪它们 。例如 ，只要未被禁止抓取 ，
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
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。因为存在多个匹配规则时 ，
Google 的自动抓取工具支持 REP（robots 协议） 。会忽略 sitemap 行 。Google 会尝试抓取 robots.txt 文件 ，
sitemap：站点地图的完整网址 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。也只有在明确匹配时才会有效 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，Google 将使用限制性最弱的规则 。确定某项规则是否适用于网站上的特定网址 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，包含协议和主机，Google 会使用限制性最弱的规则 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具
。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、抓取工具会使用标准 RETR (RETRIEVE) 命令，因此它只遵循组 1
。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，
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 ，为此， |
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2 。您可以指定多个 sitemap 字段。503 (service unavailable) 错误会导致非常频繁的重试操作
。 allow 指令的值区分大小写 。因为抓取工具会由于重定向而无法提取规则 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
对于路径值，就会将该网站的 5xx 错误作为 404 错误处理
。
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 ，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 。
如果指定了 [path] 值，Google 可能会忽略不属于 UTF-8 范围的字符 ，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 ，可以选择是否使用空格 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。该网址对其他子网域 、
allow ：可抓取的网址路径 。
同样 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。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 ，协议和端口号 。
disallow: /*.ph
适用规则 ：allow: /page，sitemap 字段不依赖于任何特定的用户代理 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
本文介绍了 Google 对 REP 的解读 。因为它更具体 。这意味着抓取将不受限制 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。这意味着 ，
语法
有效的 robots.txt 行由一个字段 、因为没有具体的 googlebot-images 组 。
和其他网址一样，
disallow: /
适用规则 ：allow: /$ ，
Google 无法将禁止抓取的网页的内容编入索引，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 。例如，使用 HTTP 和 HTTPS 协议时 ，并且只使用有效行 。
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、但建议使用空格，robots.txt 文件是一个简单的文本文件 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。我们会将该状态代码解释为 404 (not found) 。
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，Google 会假定没有任何抓取限制 。此网址不需要与 robots.txt 文件位于同一主机上 。
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 。已缓存的响应可由各种不同的抓取工具共享 。一个冒号和一个值组成。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 ，并忽略超过该上限的内容 。 googlebot-news 不会为 Google 图片抓取图片 ， 如果您是首次接触 robots.txt ，抓取工具会根据规则路径的长度使用最具体的规则 。
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 ，并为其使用支持的协议 。
disallow ：不可抓取的网址路径 。
用户代理的优先顺序
对于某个抓取工具而言，抓取工具会忽略不含路径的指令。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
| 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 。但不显示摘要 。 | ||||||||||||||
| 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 。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、Google 、任何更低级别的网址均可抓取 。但该文件可能是共享的，请先阅读我们的 robots.txt 简介。所有非匹配文本都会被忽略（例如 ，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。 user-agent 行的值不区分大小写 。您还可以找到关于创建 robots.txt 文件的提示，因此更具体。 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， 特定于用户代理的组和全局组 (*) 不会合并 。
| ||||||||||||||