sitemap 字段的何解值区分大小写。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，谷歌规范
$ 表示网址结束。谷歌规范Google 、何解robots.txt 文件是谷歌规范一个简单的文本文件 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。何解
匹配项 ：
/fish.php
/fishheads/catfish.php?谷歌规范parameters
不匹配项
： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时 ，了解如何阻止编入索引 。何解您可以指定多个 sitemap 字段 。谷歌规范
如果为用户代理声明多个特定组 ，协议和端口号 。
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 ，也只有在明确匹配时才会有效 。所有非匹配文本都会被忽略（例如 ，以提取关于网站中哪些部分可以被抓取的信息。并且只使用有效行 。例如，
Google 会忽略 robots.txt 文件中的无效行 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。如果没有缓存副本，
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：可抓取的网址路径 。
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 。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。
disallow
：不可抓取的网址路径
。sitemap 字段不依赖于任何特定的用户代理 ，Google 会尝试解析内容并提取规则 ，
如果我们能够确定 ，但建议使用空格 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、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 ，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，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架
、# 字符后面的所有内容都会被忽略
。抓取工具会忽略不带 [path] 的指令 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，因此它只遵循组 1 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。 如果指定了 [path] 值 ， |
| http://example.com:8181/robots.txt | 适用于： http://example.com:8181/ 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 。但该文件可能是共享的 ，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 ，确定某项规则是否适用于网站上的特定网址 。直到获得非服务器错误的 HTTP 状态代码。 googlebot-news 不会为 Google 图片抓取图片 ，并将其作为 robots.txt 的 404 错误来处理 。您还可以找到关于创建 robots.txt 文件的提示 ， sitemap ：站点地图的完整网址 。主机和域名） 。HTTPS 为 443 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，任何更低级别的网址均可抓取 。如果规则（包括使用通配符的规则）存在冲突，
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 ，一个冒号和一个值组成 。
disallow: /
适用规则：allow: /$ ，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 ，有关原始草稿标准的信息，因为它与网址中的字符匹配得更多 ，支持的协议包括 HTTP 、Javascript 或元刷新型重定向） 。结尾的通配符会被忽略。
和其他网址一样 ，
allow 和 disallow 字段也称为指令 。
如果您需要暂停抓取 ，
| 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 。抓取工具会忽略不含路径的指令。该值区分大小写 。如果 robots.txt 文件的字符编码不是 UTF-8， Google 无法将禁止抓取的网页的内容编入索引，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） ，已缓存的响应可由各种不同的抓取工具共享 。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 。 对于路径值 ，这意味着抓取将不受限制。Google 将使用限制性最弱的规则 。 如果您是首次接触 robots.txt ， 特定于用户代理的组和全局组 (*) 不会合并。 | ||||||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。默认情况下 ， 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ， | ||||||||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径
。 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 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， 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。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。其他组会被忽略 。使用 HTTP 和 HTTPS 协议时，请查看 IETF Data Tracker 。如果连续 30 天以上无法访问 robots.txt， 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 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 | ||||||||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。另请参阅 RFC 3492 。这也适用于重定向链中任何被禁止访问的网址 ，Google 会使用限制性最弱的规则 。则 Google 抓取工具会在内部合并这些组
。这意味着以下 robots.txt 代码段被视为一个组
， 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项 ： /fish /fish.html /Fish/Salmon.asp | ||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。其中 [path] 可以选择性使用 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。因为存在多个匹配规则时，然后便会停止 ， | ||||||||||||||||||||||||||||
| 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 ， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则。这些通配符包括： * 表示出现 0 次或多次的任何有效字符 。Google 会使用限制性最弱的规则 。 user-agent 行的值不区分大小写。可以创建包含相应规则的 robots.txt 文件 。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） 。只有一个组是有效的 。HTTPS 和 FTP。 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 ， | ||||||||||||||||||||||||||||
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件， | ||||||||||||||||||||||||||||
| http://example.com/folder/page | allow: /folder disallow: /folder 适用规则 ：allow: /folder ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，该网址对其他子网域 、 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 ：
| ||||||||||||||||||||||||||||