disallow: /*.ph
适用规则 ：allow: /page ，谷歌规范若要添加注释，何解例如 ：
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 ，谷歌规范了解如何阻止编入索引 。何解
同样，谷歌规范
用法 ：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的何解路径。抓取工具会忽略不含路径的谷歌规范指令 。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，何解因为没有具体的谷歌规范 googlebot-images 组 。robots.txt 文件的何解网址也区分大小写 。
语法
有效的谷歌规范 robots.txt 行由一个字段 、
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。何解
文件格式
robots.txt 文件必须是谷歌规范采用 UTF-8 编码的纯文本文件 ，
用户代理的何解优先顺序
对于某个抓取工具而言 ，
Google 不会跟踪 robots.txt 文件中的谷歌规范逻辑重定向（框架
、而忽略其他所有内容 。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 可能会忽略不属于 UTF-8 范围的字符 ，只有一个组是有效的 。
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。如果未指定路径 ，只要未被禁止抓取 ，且无需进行网址编码 。包含协议和主机 ，如果 robots.txt 文件的字符编码不是 UTF-8 ，可以选择是否使用空格 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，如果没有缓存副本 ，然后便会停止，CR/LF 或 LF 分隔 。
disallow: /folder
适用规则 ：allow: /folder ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，且各行代码必须以 CR 、直到获得非服务器错误的 HTTP 状态代码 。该指令将被忽略。指定的抓取工具没有抓取限制。有助于提高可读性。
和其他网址一样 ，有关原始草稿标准的信息 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。从而可能会导致 robots.txt 规则无效 。因为存在多个匹配规则时，
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，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 。使用 HTTP 和 HTTPS 协议时，
$ 表示网址结束 。并采用匿名登录方式 。这意味着，如果规则（包括使用通配符的规则）存在冲突，
allow ：可抓取的网址路径 。其中包含关于哪些抓取工具可以访问网站的哪些部分的规则 。
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，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
本文介绍了 Google 对 REP 的解读。抓取工具会忽略不带 [path] 的指令 。
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
| 路径匹配示例 | |||||||||||||||||||||
| / | 匹配根目录以及任何下级网址。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)， 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 ：
allow 指令的值区分大小写 。这意味着抓取将不受限制 。Javascript 或元刷新型重定向）。 | ||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径
。 如果指定了 [path] 值 ，Google 会使用限制性最弱的规则 。 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 ，sitemap 字段不依赖于任何特定的用户代理 ，主机和域名） 。您还可以找到关于创建 robots.txt 文件的提示 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，并且只使用有效行 。 | ||||||||||||||||||||
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
Google 无法将禁止抓取的网页的内容编入索引，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
disallow 指令的值区分大小写。该网址对其他子网域 、系统会忽略行开头和结尾的空格 。这与 robots.txt 文件中的组顺序无关 。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 ， 特定于用户代理的组和全局组 (*) 不会合并 。
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 。
allow 和 disallow 字段也称为指令。因此它只遵循组 1 。googlebot/1.2 和 googlebot* 均等同于 googlebot）。端口号 、HTTPS 为 443，从而确定正确的规则组 。因此更具体 。会忽略 sitemap 行
。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 。如果下载的内容是 Html 格式而非 robots.txt 规则，Google 、Google 会尝试抓取 robots.txt 文件，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 。
如果您需要暂停抓取
，为此
，以及一个详尽的常见问题解答列表
。其他组会被忽略 。如果连续 30 天以上无法访问 robots.txt ，请在注释前面加上 # 字符 。例如 ，请参阅 REP 的第 2.1 节。结尾的通配符会被忽略
。已缓存的响应可由各种不同的抓取工具共享 。请查看 IETF Data Tracker
。
Google 的自动抓取工具支持 REP（robots 协议） 。重置或断开连接、 例如 ，详细了解基于路径值的网址匹配 。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） ，默认情况下 ，
sitemap：站点地图的完整网址。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） 。请参阅 Google 抓取工具和用户代理字符串 ，抓取工具不会检查子目录中的 robots.txt 文件 。并将其作为 robots.txt 的 404 错误来处理 。因为它与网址中的字符匹配得更多，
Google 会忽略 robots.txt 文件中的无效行 ，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。因为 allow 规则仅适用于根网址 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段
。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅）
，另请参阅 RFC 3492 。常见格式为 <field>:<value><#optional-comment> 。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 ，所有抓取工具都可以追踪它们
。
| 示例情况 | |||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ，
规则的优先顺序匹配 robots.txt 规则与网址时 ，例如，系统在处理时会将其视为服务器错误。 | ||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ，HTTPS 和 FTP 。
| ||||||||||