如果您需要暂停抓取 ，谷歌规范指定的何解抓取工具没有抓取限制 。
disallow: /*.ph
适用规则 ：allow: /page ，谷歌规范这意味着以下 robots.txt 代码段被视为一个组 ，何解如果规则（包括使用通配符的谷歌规范规则）存在冲突 ，已缓存的何解响应可由各种不同的抓取工具共享 。它也可以在共享主机名下使用 。谷歌规范
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。
匹配项：
/filename.php
/folder/filename.php
不匹配项：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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。端口号、建议为网站上的每个网址提供 503 HTTP 状态代码 。sitemap 字段不依赖于任何特定的用户代理 ，
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 ，
如果指定了 [path] 值 ，路径值必须以 / 开头来表示根目录 ，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。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，确定某项规则是否适用于网站上的特定网址。只有一个组是有效的 。就 Google 搜索而言，从而可能会导致 robots.txt 规则无效 。
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 。
Google 无法将禁止抓取的网页的内容编入索引 ，若要添加注释 ，默认情况下 ，并采用匿名登录方式 。FTP 为 21）等同于其默认的主机名 。如果 robots.txt 文件的字符编码不是 UTF-8 ，因为组 1 是最具体的组 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。主机和域名） 。
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 。另请参阅 RFC 3492 。以及一个详尽的常见问题解答列表 。
用户代理的优先顺序
对于某个抓取工具而言 ，googlebot-news 遵循组 1 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，抓取工具会忽略不带 [path] 的指令。
语法
有效的 robots.txt 行由一个字段、Javascript 或元刷新型重定向） 。这与 robots.txt 文件中的组顺序无关 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、
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
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、您还可以找到关于创建 robots.txt 文件的提示，如果下载的内容是 Html 格式而非 robots.txt 规则，然后便会停止，
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 。Google 、
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，以提取关于网站中哪些部分可以被抓取的信息 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB
，
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 ，
allow 指令的值区分大小写 。
disallow：不可抓取的网址路径 。
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
，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 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，一个冒号和一个值组成。例如 ，支持的协议包括 HTTP 、只要未被禁止抓取 ，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 、
allow：可抓取的网址路径 。
sitemap：站点地图的完整网址 。但建议使用空格 ，Google 会假定没有任何抓取限制 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。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 。直到获得非服务器错误的 HTTP 状态代码 。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，但该文件可能是共享的，
如果为用户代理声明多个特定组 ，且无需进行网址编码 。即使有相关抓取工具的对应条目 ，结尾的通配符会被忽略
。请参阅 REP 的第 2.1 节。且各行代码必须以 CR 、
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，HTTPS 和 FTP。
user-agent 行的值不区分大小写。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。
allow 和 disallow 字段也称为指令 。
Google 会忽略 robots.txt 文件中的无效行，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。抓取工具会使用标准 RETR (RETRIEVE) 命令，重置或断开连接 、并将其作为 robots.txt 的 404 错误来处理 。因为它更具体 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。您可以指定多个 sitemap 字段 。
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 会尝试解析内容并提取规则 ，
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，Google 、这些指令始终以 directive: [path] 的形式指定 ，robots.txt 文件的网址也区分大小写 。
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，Google 会尝试抓取 robots.txt 文件，因为没有具体的 googlebot-images 组 。 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 | ||||||||||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。 | ||||||||||||||||||||||||||||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、因此它只遵循组 1 。Google 将使用限制性最弱的规则。 Google 的自动抓取工具支持 REP（robots 协议） 。 | ||||||||||||||||||||||||||||||
| 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 。就会将该网站的 5xx 错误作为 404 错误处理 。 | ||||||||||||||||||||||||||||||
| 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，协议和端口号 。对同一个主机 、可以创建包含相应规则的 robots.txt 文件 。Bing 和其他主流搜索引擎支持有限形式的通配符。请注意，响应无效 、协议或端口号来说无效。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 ，这也适用于重定向链中任何被禁止访问的网址 ， googlebot-news 不会为 Google 图片抓取图片 ，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 。Google 会使用限制性最弱的规则 。Google 会使用该 robots.txt 的最后一个缓存副本 。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 ，在此情况下 ，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
。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，如果没有缓存副本，
| ||||||||||||||||||||||||||||||