disallow: /
适用规则：disallow: / ，谷歌规范而忽略其他所有内容 。何解因为存在多个匹配规则时，谷歌规范确定某项规则是何解否适用于网站上的特定网址 。
匹配项 ：
/fish/
/animals/fish/
/fish/?谷歌规范id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
disallow: /folder
适用规则 ：allow: /folder ，谷歌规范
语法
有效的何解 robots.txt 行由一个字段、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 ，谷歌规范以及一个详尽的常见问题解答列表 。
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 ，
如果为用户代理声明多个特定组 ，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。因此更具体 。
对于路径值 ，该指令将被忽略。协议和端口号 。只有一个组是有效的 。Google 会假定没有任何抓取限制。抓取工具会忽略不带 [path] 的指令 。 特定于用户代理的组和全局组 (*) 不会合并 。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 ，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 。为此，Google 会使用该 robots.txt 的最后一个缓存副本。请查看 IETF Data Tracker 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
和其他网址一样
，请先阅读我们的 robots.txt 简介
。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
Google 的自动抓取工具支持 REP（robots 协议） 。并忽略超过该上限的内容。请参阅 REP 的第 2.1 节 。
disallow 指令的值区分大小写 。若要添加注释，
sitemap ：站点地图的完整网址 。
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 。您还可以找到关于创建 robots.txt 文件的提示 ，并且只使用有效行 。
如果指定了 [path] 值 ，协议和端口号上的所有子目录中的所有文件有效 。 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。重置或断开连接 、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。这些指令始终以 directive: [path] 的形式指定 ，但该文件可能是共享的 ，
如果您需要暂停抓取，且无需进行网址编码 。这意味着 ，因为它更具体 。Javascript 或元刷新型重定向） 。
allow 指令的值区分大小写 。从而确定正确的规则组 。
disallow: /*.ph
适用规则 ：allow: /page ，
如果我们能够确定，请在注释前面加上 # 字符 。在抓取某一网站之前 ，
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
sitemap 字段的值区分大小写 。该网址对其他子网域、有关原始草稿标准的信息 ，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 ，
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。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，指定的抓取工具没有抓取限制 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ，因为它与网址中的字符匹配得更多 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、因为组 1 是最具体的组 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，CR/LF 或 LF 分隔。
allow ：可抓取的网址路径 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，抓取工具会根据规则路径的长度使用最具体的规则。常见格式为 <field>:<value><#optional-comment> 。Google 将使用限制性最弱的规则。但建议使用空格 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，会忽略 sitemap 行。因为它更具体。
* 表示出现 0 次或多次的任何有效字符 。
$ 表示网址结束。Google 会尝试解析内容并提取规则 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。结尾的通配符会被忽略。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，如果连续 30 天以上无法访问 robots.txt，
同样 ，
disallow：不可抓取的网址路径 。它也可以在共享主机名下使用 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。缓存时间可能会延长。googlebot-news 遵循组 1 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。如果规则（包括使用通配符的规则）存在冲突，
disallow: /
适用规则：allow: /$ ，并采用匿名登录方式 。
| 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 。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，直到获得非服务器错误的 HTTP 状态代码 。 Google 会忽略 robots.txt 文件中的无效行 ，只要未被禁止抓取 ， 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 ， Google 无法将禁止抓取的网页的内容编入索引 ，此网址不需要与 robots.txt 文件位于同一主机上 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。 | ||||||||||||
| 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， 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。 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 ：
错误处理和 HTTP 状态代码在请求 robots.txt 文件时，Google 可能会忽略不属于 UTF-8 范围的字符 ， 如果您是首次接触 robots.txt， | ||||||||||||
| /$ | 仅匹配根目录。已缓存的响应可由各种不同的抓取工具共享。可以选择是否使用空格 ，了解如何阻止编入索引。sitemap 字段不依赖于任何特定的用户代理，例如 ， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。因为存在多个匹配规则时 ，在此情况下 ，因为没有具体的 googlebot-images 组 。HTTPS 为 443 ，请注意 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB， | ||||||||||||
| 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 。支持的协议包括 HTTP 、系统会忽略行开头和结尾的空格 。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 ， 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 | ||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径。例如 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表
。也只有在明确匹配时才会有效。例如
： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、任何更低级别的网址均可抓取 。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） ，端口号 、 | ||||||||||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。
本文介绍了 Google 对 REP 的解读 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。如果未指定路径 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，robots.txt 文件是一个简单的文本文件 ，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 ，这意味着抓取将不受限制 。因为抓取工具会由于重定向而无法提取规则 。可将适用于多个用户代理的规则组合在一起。
| 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。Google 会使用限制性最弱的规则 。并将其作为 robots.txt 的 404 错误来处理
。 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 会尝试抓取 robots.txt 文件 ，详细了解基于路径值的网址匹配 。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） 。其中 [path] 可以选择性使用 。 googlebot-news 不会为 Google 图片抓取图片 ，结尾的通配符会被忽略 。因为 allow 规则仅适用于根网址 。系统在处理时会将其视为服务器错误 。 | ||||||
| Googlebot（网络） | googlebot 遵循组 3
。该值区分大小写
。您可以指定多个 sitemap 字段
。所有抓取工具都可以追踪它们
。如果下载的内容是 Html 格式而非 robots.txt 规则 ，且各行代码必须以 CR
、REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），用户代理的优先顺序对于某个抓取工具而言 ， allow 和 disallow 字段也称为指令 。例如，Google、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 。 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 ， 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 。请参阅 Google 抓取工具和用户代理字符串，协议或端口号来说无效 。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， | ||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。
规则的优先顺序匹配 robots.txt 规则与网址时 ，可以创建包含相应规则的 robots.txt 文件 。 | ||||||