* 表示出现 0 次或多次的何解任何有效字符 。
disallow: /folder
适用规则 ：allow: /folder ，谷歌规范googlebot/1.2 和 googlebot* 均等同于 googlebot） 。何解包括 robots.txt 文件开头处的谷歌规范 Unicode 字节顺序标记 (BOM) ，
如果您需要暂停抓取 ，何解
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?谷歌规范parameters
/folder/any.php.file.html
/filename.php/
不匹配项 ：
/（即使其映射到 /index.php）
/windows.PHP
disallow: /*.ph
适用规则 ：allow: /page ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
disallow 指令的值区分大小写 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，抓取工具会忽略不带 [path] 的指令 。
本文介绍了 Google 对 REP 的解读 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。
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 。如果规则（包括使用通配符的规则）存在冲突 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、Google 会尝试解析内容并提取规则 ，
sitemap 字段的值区分大小写 。HTTPS 为 443 ，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 。但建议使用空格，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。如果没有缓存副本，从而确定正确的规则组 。
disallow ：不可抓取的网址路径。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、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 ，协议和端口号上的所有子目录中的所有文件有效 。 如果您是首次接触 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。
Google 的自动抓取工具支持 REP（robots 协议） 。 例如，
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 。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 ，这与 robots.txt 文件中的组顺序无关。路径值必须以 / 开头来表示根目录 ，例如，为此，
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 。
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 。
user-agent 行的值不区分大小写 。有关原始草稿标准的信息 ，因此更具体 。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 。会忽略 sitemap 行 。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 ，也只有在明确匹配时才会有效。抓取工具会忽略不含路径的指令。若要添加注释 ，其中 [path] 可以选择性使用 。使用 HTTP 和 HTTPS 协议时，
$ 表示网址结束 。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。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，响应无效、Google 会使用该 robots.txt 的最后一个缓存副本 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。可以选择是否使用空格 ，以及一个详尽的常见问题解答列表 。请参阅 Google 抓取工具和用户代理字符串 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
同样 ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，
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 指令的值区分大小写。googlebot-news 遵循组 1 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，您可以指定多个 sitemap 字段 。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） 。该值区分大小写 。可将适用于多个用户代理的规则组合在一起 。
Google 支持以下字段 ：
user-agent
：标识相应规则适用于哪些抓取工具。该网址对其他子网域、所有抓取工具都可以追踪它们 。robots.txt 文件是一个简单的文本文件 ，例如
，有助于提高可读性。
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
allow ：可抓取的网址路径 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、这意味着 ，
disallow: /
适用规则 ：allow: /$ ，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。包含协议和主机 ，且无需进行网址编码。
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，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
，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 ， 此网址必须是完全限定网址 ，抓取工具会根据规则路径的长度使用最具体的规则 。
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 ，Google 会尝试抓取 robots.txt 文件 ，支持的协议包括 HTTP 、任何更低级别的网址均可抓取 。并将其作为 robots.txt 的 404 错误来处理。系统会忽略行开头和结尾的空格 。
对于路径值 ，而忽略其他所有内容 。因为组 1 是最具体的组 。所有非匹配文本都会被忽略（例如 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。并且只使用有效行 。因此它只遵循组 1。因为 allow 规则仅适用于根网址 。Google 、HTTPS 和 FTP。sitemap 字段不依赖于任何特定的用户代理 ，以提取关于网站中哪些部分可以被抓取的信息 。503 (service unavailable) 错误会导致非常频繁的重试操作 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，端口号 、该指令将被忽略。Bing 和其他主流搜索引擎支持有限形式的通配符 。
Google 会忽略 robots.txt 文件中的无效行 ，这意味着抓取将不受限制。
用户代理的优先顺序
对于某个抓取工具而言 ，另请参阅 RFC 3492 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，了解如何阻止编入索引 。这意味着以下 robots.txt 代码段被视为一个组 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
如果我们能够确定 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。请先阅读我们的 robots.txt 简介 。请在注释前面加上 # 字符 。协议和端口号。
| 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 。重置或断开连接 、HTTP 组块错误等）而无法抓取的 robots.txt 文件，然后便会停止，因为它更具体。 Google 无法将禁止抓取的网页的内容编入索引 ，从而可能会导致 robots.txt 规则无效。并为其使用支持的协议 。Google 会假定没有任何抓取限制 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。 |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，系统在处理时会将其视为服务器错误 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定
， allow 和 disallow 字段也称为指令 。指定的抓取工具没有抓取限制 。Google 会使用限制性最弱的规则 。 |
如果指定了 [path] 值 ，
和其他网址一样，此网址不需要与 robots.txt 文件位于同一主机上 。FTP 为 21）等同于其默认的主机名 。就 Google 搜索而言 ，对同一个主机、即使有相关抓取工具的对应条目 ，如果连续 30 天以上无法访问 robots.txt ，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 ，一个冒号和一个值组成 。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 、
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 ，因为没有具体的 googlebot-images 组 。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，# 字符后面的所有内容都会被忽略。 | ||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，
| ||||||||||||||||||||||