disallow: /*.htm
适用规则 ：disallow: /*.htm ，何解
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?谷歌规范id=anything
不匹配项：
/Fish.asp
/catfish
/?id=fish
/desert/fish
注意：匹配时区分大小写 。sitemap 字段不依赖于任何特定的何解用户代理 ，只有一个组是谷歌规范有效的。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。将已排除的内容放在一个单独的目录中 。
disallow: /folder
适用规则 ：allow: /folder，因此它只遵循组 1 。googlebot-news 遵循组 1。系统会忽略行开头和结尾的空格 。 特定于用户代理的组和全局组 (*) 不会合并 。抓取工具会根据规则路径的长度使用最具体的规则 。抓取工具会忽略不含路径的指令。并忽略超过该上限的内容 。
语法
有效的 robots.txt 行由一个字段 、且无需进行网址编码 。Javascript 或元刷新型重定向）。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，也只有在明确匹配时才会有效 。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 ，
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 ：
/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
allow 和 disallow 字段也称为指令 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具。Bing 和其他主流搜索引擎支持有限形式的通配符 。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，# 字符后面的所有内容都会被忽略。确定某项规则是否适用于网站上的特定网址 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。您还可以找到关于创建 robots.txt 文件的提示 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。请在注释前面加上 # 字符。但该文件可能是共享的 ，
sitemap 字段的值区分大小写。建议为网站上的每个网址提供 503 HTTP 状态代码 。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 ，重置或断开连接 、Google 会尝试抓取 robots.txt 文件 ，
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 。端口号 、指定的抓取工具没有抓取限制 。可以创建包含相应规则的 robots.txt 文件 。该网址对其他子网域 、Google 、 如果您是首次接触 robots.txt ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、因此更具体 。 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 。例如 ，从而可能会导致 robots.txt 规则无效。这意味着 ，
如果您需要暂停抓取，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 ，Google 、详细了解基于路径值的网址匹配 。在抓取某一网站之前 ，
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 。
disallow: /
适用规则 ：disallow: / ，例如 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，因为它更具体 。
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 。支持的协议包括 HTTP、抓取工具会忽略不带 [path] 的指令。
Google 无法将禁止抓取的网页的内容编入索引，这些通配符包括：
* 表示出现 0 次或多次的任何有效字符。
user-agent 行的值不区分大小写 。且各行代码必须以 CR 、
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 ，
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。
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 ，
如果指定了 [path] 值 ，系统在处理时会将其视为服务器错误 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，
robots.txt 文件中列出的规则只适用于该文件所在的主机、并采用匿名登录方式 。
| 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。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 ，对同一个主机、获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。这与 robots.txt 文件中的组顺序无关 。该值区分大小写 。Google 会假定没有任何抓取限制 。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。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， 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 。 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 ，503 (service unavailable) 错误会导致非常频繁的重试操作。请参阅 REP 的第 2.1 节 。结尾的通配符会被忽略 。 | ||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，使用 HTTP 和 HTTPS 协议时 ，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） ，如果连续 30 天以上无法访问 robots.txt ， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置。但建议使用空格 ， allow ：可抓取的网址路径。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、 $ 表示网址结束 。 disallow 指令的值区分大小写 。HTTPS 和 FTP 。其中 [path] 可以选择性使用。 | ||||||||||||||||||
| /$ | 仅匹配根目录 。 Google 会忽略 robots.txt 文件中的无效行 ，如果没有缓存副本， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，例如 ， | ||||||||||||||||||
| 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 。协议或端口号来说无效 。请参阅 Google 抓取工具和用户代理字符串 ，已缓存的响应可由各种不同的抓取工具共享
。会忽略 sitemap 行。因为 allow 规则仅适用于根网址
。有关原始草稿标准的信息
，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） 。只要未被禁止抓取，则 Google 抓取工具会在内部合并这些组 。因为没有具体的 googlebot-images 组 。请先阅读我们的 robots.txt 简介
。
| ||||||||||||||||||