disallow: /*.htm
适用规则 ：disallow: /*.htm ，何解它也可以在共享主机名下使用。谷歌规范这与 robots.txt 文件中的何解组顺序无关 。则 Google 抓取工具会在内部合并这些组 。谷歌规范
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 ，谷歌规范REP 不适用于由用户控制的何解 Google 抓取工具（例如 Feed 订阅） ，因为它与网址中的谷歌规范字符匹配得更多 ，
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 ，如果没有缓存副本 ，何解
disallow: /
适用规则：disallow: / ，谷歌规范 例如 ，可以选择是否使用空格 ，googlebot-news 遵循组 1 。
语法
有效的 robots.txt 行由一个字段 、
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 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
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 。重置或断开连接 、对同一个主机 、
Google 的自动抓取工具支持 REP（robots 协议） 。
* 表示出现 0 次或多次的任何有效字符。
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
allow：可抓取的网址路径。端口号 、系统在处理时会将其视为服务器错误 。请参阅 Google 抓取工具和用户代理字符串 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、因为没有具体的 googlebot-images 组 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。
Google 无法将禁止抓取的网页的内容编入索引 ，请在注释前面加上 # 字符
。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 。但可能仍会将其网址编入索引并将其显示在搜索结果中
，例如 ，只有一个组是有效的 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架
、
| 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
。就会将该网站的 5xx 错误作为 404 错误处理 。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 ， robots.txt 文件中列出的规则只适用于该文件所在的主机、503 (service unavailable) 错误会导致非常频繁的重试操作 。 和其他网址一样 ，会忽略 sitemap 行 。 对于路径值， allow 和 disallow 字段也称为指令 。 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、并忽略超过该上限的内容 。 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，结尾的通配符会被忽略 。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， |
| 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， |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，只要未被禁止抓取， Google 支持以下字段 ： user-agent：标识相应规则适用于哪些抓取工具 。了解如何阻止编入索引。包含协议和主机 ，这些指令始终以 directive: [path] 的形式指定 ， |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。以及一个详尽的常见问题解答列表 。 |
| 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 。HTTPS 为 443 ， 特定于用户代理的组和全局组 (*) 不会合并。 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 。且各行代码必须以 CR、 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ， user-agent 行的值不区分大小写 。 |
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ， 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 |
| /*.php$ | 匹配以 .php 结尾的任何路径 。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 。该网址对其他子网域、默认情况下 ，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 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，响应无效、您还可以找到关于创建 robots.txt 文件的提示 ，主机和域名） 。 同样 ，Google 会使用限制性最弱的规则 。 disallow：不可抓取的网址路径 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时
，这意味着 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。协议和端口号上的所有子目录中的所有文件有效 。抓取工具不会检查子目录中的 robots.txt 文件 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。
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 。使用 HTTP 和 HTTPS 协议时 ，
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，详细了解基于路径值的网址匹配 。
如果指定了 [path] 值 ，若要添加注释 ，
$ 表示网址结束 。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 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。这意味着以下 robots.txt 代码段被视为一个组 ，结尾的通配符会被忽略
。但该文件可能是共享的 ，如果 robots.txt 文件的字符编码不是 UTF-8，Google、
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 。这意味着抓取将不受限制
。在此情况下 ，该指令将被忽略 。FTP 为 21）等同于其默认的主机名 。HTTPS 和 FTP
。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 ，Google 会使用限制性最弱的规则 。robots.txt 文件是一个简单的文本文件 ， 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 。所有抓取工具都可以追踪它们 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，CR/LF 或 LF 分隔 。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，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，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 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
disallow 指令的值区分大小写。
sitemap 字段的值区分大小写 。因为存在多个匹配规则时，例如 ，
用户代理的优先顺序
对于某个抓取工具而言 ，
allow 指令的值区分大小写 。缓存时间可能会延长 。请查看 IETF Data Tracker。抓取工具会忽略不含路径的指令。
| 路径匹配示例 | |||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。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 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，所有非匹配文本都会被忽略（例如 ， | ||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，直到获得非服务器错误的 HTTP 状态代码 。就 Google 搜索而言 ， | ||||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3。一个冒号和一个值组成
。因为它更具体。Google 会尝试解析内容并提取规则 ，例如
， 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 ：
| ||||||||||||||||||||||