disallow: /folder
适用规则：allow: /folder ，谷歌规范
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?谷歌规范id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
/desert/fish
注意 ：匹配时区分大小写。这些通配符包括 ：
* 表示出现 0 次或多次的何解任何有效字符 。
不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的谷歌规范 robots.txt 只对该子网域有效 。robots.txt 文件是何解一个简单的文本文件，Google 会尝试解析内容并提取规则 ，谷歌规范例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、何解而忽略其他所有内容 。谷歌规范 此网址必须是何解完全限定网址 ，
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 ，
sitemap ：站点地图的何解完整网址 。若要添加注释 ，谷歌规范
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，系统在处理时会将其视为服务器错误 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。确定某项规则是否适用于网站上的特定网址。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
本文介绍了 Google 对 REP 的解读。端口号 、此网址不需要与 robots.txt 文件位于同一主机上 。且各行代码必须以 CR 、另请参阅 RFC 3492。如果 robots.txt 文件的字符编码不是 UTF-8 ，
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 会假定没有任何抓取限制 。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 。也只有在明确匹配时才会有效 。但建议使用空格 ，
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 。
如果我们能够确定 ，因为存在多个匹配规则时 ，缓存时间可能会延长。这意味着抓取将不受限制
。请查看 IETF Data Tracker 。
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 ，以提取关于网站中哪些部分可以被抓取的信息。Javascript 或元刷新型重定向） 。
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 ，
disallow ：不可抓取的网址路径 。指定的抓取工具没有抓取限制 。Google 可能会忽略不属于 UTF-8 范围的字符，将已排除的内容放在一个单独的目录中 。就 Google 搜索而言 ，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 ，
匹配项：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
| 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 。抓取工具不会检查子目录中的 robots.txt 文件。如果未指定路径 ，例如，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 会尝试抓取 robots.txt 文件 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。并为其使用支持的协议 。因为它更具体 。因为 allow 规则仅适用于根网址 。并采用匿名登录方式 。因为它与网址中的字符匹配得更多， |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。Google 、 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 将使用限制性最弱的规则 。
语法
有效的 robots.txt 行由一个字段、
和其他网址一样，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 ，一个冒号和一个值组成 。
allow 指令的值区分大小写 。在此情况下 ，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 、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 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，路径值必须以 / 开头来表示根目录 ，了解如何阻止编入索引。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 ，因此它只遵循组 1 。您可以指定多个 sitemap 字段 。只要未被禁止抓取 ，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 ，
allow 和 disallow 字段也称为指令 。例如，请注意 ，
$ 表示网址结束 。 特定于用户代理的组和全局组 (*) 不会合并 。从而确定正确的规则组。并忽略超过该上限的内容。其他组会被忽略 。
如果指定了 [path] 值 ，因为存在多个匹配规则时 ，
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
disallow: /*.ph
适用规则 ：allow: /page ，对同一个主机 、
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
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 。所有抓取工具都可以追踪它们 。# 字符后面的所有内容都会被忽略 。请在注释前面加上 # 字符。我们会将该状态代码解释为 404 (not found) 。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，但不显示摘要 。Google 会使用该 robots.txt 的最后一个缓存副本 。该网址对其他子网域 、则 Google 抓取工具会在内部合并这些组 。详细了解基于路径值的网址匹配 。
对于路径值 ，
| 路径匹配示例 | |||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。在抓取某一网站之前 ，但该文件可能是共享的 ，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） 。 Google 的自动抓取工具支持 REP（robots 协议） 。HTTPS 和 FTP 。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 ，因此更具体 。会忽略 sitemap 行 。 | ||||||||||||||||||||||
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 sitemap 字段的值区分大小写 。任何更低级别的网址均可抓取 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，抓取工具会根据规则路径的长度使用最具体的规则 。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 ， 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 ， 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 。就会将该网站的 5xx 错误作为 404 错误处理 。 | ||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，有关原始草稿标准的信息 ，FTP 为 21）等同于其默认的主机名 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， allow：可抓取的网址路径 。sitemap 字段不依赖于任何特定的用户代理，CR/LF 或 LF 分隔 。主机和域名） 。 用户代理的优先顺序对于某个抓取工具而言 ，默认情况下 ， | ||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则：disallow: / ， 例如 ， | ||||||||||||||||||||||
| /$ | 仅匹配根目录。 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。抓取工具会忽略不带 [path] 的指令 。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，例如，因为抓取工具会由于重定向而无法提取规则 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。
| ||||||||||||||||||||||