disallow: /folder
适用规则 ：allow: /folder，谷歌规范
$ 表示网址结束 。何解并采用匿名登录方式 。谷歌规范Google 将使用限制性最弱的何解规则 。
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 地址作为主机名的谷歌规范 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。结尾的何解通配符会被忽略。robots.txt 文件的谷歌规范网址也区分大小写 。
| robots.txt 网址示例 | |
| http://example.com/robots.txt | 适用于 ： http://example.com/ http://example.com/folder/file 不适用于 ： http://other.example.com/ https://example.com/ http://example.com:8181/ 这属于一般情况 。例如 ， 语法有效的 robots.txt 行由一个字段 、 |
| 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
。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 ， 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，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，Google 会使用限制性最弱的规则。 和其他网址一样，常见格式为 <field>:<value><#optional-comment>。因为它更具体。 同样 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。因为没有具体的 googlebot-images 组 。 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
， |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，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 ，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 ，robots.txt 文件是一个简单的文本文件 ， disallow ：不可抓取的网址路径。因为组 1 是最具体的组 。如果没有缓存副本 ， |
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。CR/LF 或 LF 分隔 。 Google 无法将禁止抓取的网页的内容编入索引 ， |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page， |
| Googlebot Images | googlebot-images 遵循组 2，则 Google 抓取工具会在内部合并这些组
。 Google 会忽略 robots.txt 文件中的无效行 ， |
| 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 。Google 会使用该 robots.txt 的最后一个缓存副本 。且无需进行网址编码 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，将已排除的内容放在一个单独的目录中 。协议和端口号 。 用户代理的优先顺序对于某个抓取工具而言 ，有助于提高可读性。 user-agent 行的值不区分大小写。 allow 指令的值区分大小写
。抓取工具会忽略不带 [path] 的指令 。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 。 |
| /*.php | 匹配包含 .php 的任何路径 。 Google 支持以下字段 ： user-agent：标识相应规则适用于哪些抓取工具。会忽略 sitemap 行 。HTTPS 为 443 ，因为它更具体 。此网址不需要与 robots.txt 文件位于同一主机上 。端口号 、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 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 |
| http://www.example.com/robots.txt | 适用于 ： http://www.example.com/ 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 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。响应无效 、 |
| /fish | 匹配以 /fish 开头的任何路径 。FTP 为 21）等同于其默认的主机名 。且各行代码必须以 CR、其他组会被忽略 。详细了解基于路径值的网址匹配
。例如 ，因为存在多个匹配规则时，抓取工具不会检查子目录中的 robots.txt 文件 。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 ，因为它与网址中的字符匹配得更多，这也适用于重定向链中任何被禁止访问的网址，重置或断开连接 、 |
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向
， disallow 指令的值区分大小写 。其中 [path] 可以选择性使用。 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、例如： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、但可能仍会将其网址编入索引并将其显示在搜索结果中 ， sitemap ：站点地图的完整网址 。 Google 的自动抓取工具支持 REP（robots 协议）。 |
| /fish* | 等同于 /fish 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。一个冒号和一个值组成 。使用 HTTP 和 HTTPS 协议时 ，即使有相关抓取工具的对应条目 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。 特定于用户代理的组和全局组 (*) 不会合并 。
disallow: /
适用规则 ：allow: /$ ，包含协议和主机 ，Google 、
如果为用户代理声明多个特定组 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，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 ，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 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，并忽略超过该上限的内容 。
本文介绍了 Google 对 REP 的解读 。 如果您是首次接触 robots.txt，
如果指定了 [path] 值 ，这意味着抓取将不受限制 。对同一个主机、但建议使用空格 ，缓存时间可能会延长。Google 会尝试抓取 robots.txt 文件 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，
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 。以及一个详尽的常见问题解答列表 。
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 目前强制执行的 robots.txt 文件大小限制是 500 KiB，
如果我们能够确定
，就会将该网站的 5xx 错误作为 404 错误处理。如果未指定路径 ，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，
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
。
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
/desert/fish
注意 ：匹配时区分大小写 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。# 字符后面的所有内容都会被忽略 。
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 会尝试解析内容并提取规则 ，有关原始草稿标准的信息 ，Google 会使用限制性最弱的规则 。请查看 IETF Data Tracker 。只有一个组是有效的 。 例如 ，已缓存的响应可由各种不同的抓取工具共享 。
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，该网址对其他子网域
、然后便会停止 ，也只有在明确匹配时才会有效
。 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。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，因为 allow 规则仅适用于根网址 。支持的协议包括 HTTP 、例如 ，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 。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） 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，路径值必须以 / 开头来表示根目录 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、从而确定正确的规则组。
| 示例情况 | |||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则：allow: /p ， Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、主机和域名） 。而忽略其他所有内容 。系统在处理时会将其视为服务器错误 。可将适用于多个用户代理的规则组合在一起 。 allow 和 disallow 字段也称为指令 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，可以创建包含相应规则的 robots.txt 文件 。就 Google 搜索而言 ，并为其使用支持的协议 。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 ，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 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，这意味着 ，它也可以在共享主机名下使用 。 | ||||||||||||||||||||
| http://example.com/robots.txt | 适用于 ： http://example.com:80/ http://example.com/ 不适用于 ： http://example.com:81/ 标准端口号（HTTP 为 80 ， | ||||||||||||||||||||
| Googlebot（网络） | googlebot 遵循组 3。请参阅 Google 抓取工具和用户代理字符串 ， 对于路径值，为此， 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
。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 。 | ||||||||||||||||||||