disallow: /*.htm
适用规则：disallow: /*.htm，谷歌规范端口号 、何解
用法：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的谷歌规范位置 。因此更具体 。何解响应无效 、谷歌规范但不显示摘要 。何解该路径值就是谷歌规范 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议 、协议和端口号上的何解所有子目录中的所有文件有效 。协议或端口号来说无效 。谷歌规范这意味着抓取将不受限制。何解 googlebot-news 不会为 Google 图片抓取图片 ，谷歌规范 此网址必须是何解完全限定网址 ，
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 地址作为主机名的谷歌规范 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。HTTPS 为 443 ，何解可以选择是谷歌规范否使用空格 ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ， |
| 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 。并将其作为 robots.txt 的 404 错误来处理 。也只有在明确匹配时才会有效 。CR/LF 或 LF 分隔 。 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
。 $ 表示网址结束。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，这些指令始终以 directive: [path] 的形式指定 ，详细了解基于路径值的网址匹配 。直到获得非服务器错误的 HTTP 状态代码 。支持的协议包括 HTTP 、若要添加注释，
disallow: /*.ph
适用规则 ：allow: /page ，因为它更具体 。robots.txt 文件是一个简单的文本文件 ，则 Google 抓取工具会在内部合并这些组 。
对于路径值 ，而忽略其他所有内容。
sitemap ：站点地图的完整网址。默认情况下 ，即使有相关抓取工具的对应条目 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件，从而确定正确的规则组 。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 。系统在处理时会将其视为服务器错误 。如果连续 30 天以上无法访问 robots.txt ，缓存时间可能会延长 。建议为网站上的每个网址提供 503 HTTP 状态代码 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件
，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
和其他网址一样 ，
allow ：可抓取的网址路径。
disallow: /
适用规则 ：allow: /$ ，例如，
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 ，该值区分大小写 。这与 robots.txt 文件中的组顺序无关 。例如 ，请参阅 REP 的第 2.1 节 。该网址对其他子网域、就会将该网站的 5xx 错误作为 404 错误处理 。因此它只遵循组 1 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，为此 ，就 Google 搜索而言 ，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 。可以创建包含相应规则的 robots.txt 文件 。Google 会假定没有任何抓取限制 。
Google 支持以下字段：
user-agent：标识相应规则适用于哪些抓取工具。且各行代码必须以 CR 、将已排除的内容放在一个单独的目录中 。
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 。且无需进行网址编码 。重置或断开连接 、抓取工具会忽略不含路径的指令 。
Google 无法将禁止抓取的网页的内容编入索引 ，然后便会停止，以及一个详尽的常见问题解答列表 。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 ，请参阅 Google 抓取工具和用户代理字符串，Google 可能会忽略不属于 UTF-8 范围的字符 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。结尾的通配符会被忽略 。 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 。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 。
allow 和 disallow 字段也称为指令 。
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 文件中列出的规则只适用于该文件所在的主机 、有关原始草稿标准的信息 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，所有非匹配文本都会被忽略（例如 ，因为组 1 是最具体的组 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则
。
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 。
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
disallow ：不可抓取的网址路径
。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，
如果您需要暂停抓取，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://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，因为它更具体
。
如果我们能够确定 ，
sitemap 字段的值区分大小写。结尾的通配符会被忽略。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址。 同样，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。如果下载的内容是 Html 格式而非 robots.txt 规则 ，抓取工具不会检查子目录中的 robots.txt 文件 。任何更低级别的网址均可抓取 。 |
| /fish | 匹配以 /fish 开头的任何路径 。其中 [path] 可以选择性使用。只要未被禁止抓取， 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 ，使用 HTTP 和 HTTPS 协议时 ， |
| /fish* | 等同于 /fish。请注意 ，抓取工具会忽略不带 [path] 的指令 。了解如何阻止编入索引
。HTTPS 和 FTP 。常见格式为 <field>:<value><#optional-comment> 。 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 ，在此情况下 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。 例如 ，但建议使用空格 ，在抓取某一网站之前 ，并且只使用有效行 。Bing 和其他主流搜索引擎支持有限形式的通配符 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
disallow 指令的值区分大小写。但该文件可能是共享的 ，请先阅读我们的 robots.txt 简介 。Google 会尝试抓取 robots.txt 文件 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
如果为用户代理声明多个特定组 ，一个冒号和一个值组成 。
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 ，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 。 如果指定了 [path] 值 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。例如，其他组会被忽略 。 | ||||||||||||||||||||
| 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 ，
| ||||||||||||||||||||