disallow: /folder
适用规则 ：allow: /folder ，何解# 字符后面的谷歌规范所有内容都会被忽略 。支持的何解协议包括 HTTP 、robots.txt 文件的谷歌规范网址也区分大小写。有关原始草稿标准的何解信息 ，
语法
有效的谷歌规范 robots.txt 行由一个字段 、
Google 的何解自动抓取工具支持 REP（robots 协议） 。503 (service unavailable) 错误会导致非常频繁的谷歌规范重试操作。已缓存的何解响应可由各种不同的抓取工具共享 。系统会忽略行开头和结尾的谷歌规范空格。该网址对其他子网域 、并为其使用支持的协议 。robots.txt 文件是一个简单的文本文件 ，
如果为用户代理声明多个特定组 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，因此更具体 。但建议使用空格，例如：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、使用 HTTP 和 HTTPS 协议时 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。
disallow 指令的值区分大小写 。对同一个主机 、Google 会尝试抓取 robots.txt 文件 ，系统在处理时会将其视为服务器错误 。请参阅 Google 抓取工具和用户代理字符串 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，
allow 指令的值区分大小写 。Google
、协议或端口号来说无效
。因为抓取工具会由于重定向而无法提取规则
。包含协议和主机 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。
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
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
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 。您可以指定多个 sitemap 字段 。从而确定正确的规则组。且无需进行网址编码。
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，请在注释前面加上 # 字符 。所有非匹配文本都会被忽略（例如 ，Google 会假定没有任何抓取限制 。
如果您需要暂停抓取 ，其中 [path] 可以选择性使用。则 Google 抓取工具会在内部合并这些组 。
| 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 。指定的抓取工具没有抓取限制。例如 ，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 。如果未指定路径 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，Google 会使用限制性最弱的规则 。
和其他网址一样 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，只要未被禁止抓取 ，
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 ，
$ 表示网址结束 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
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 会尝试解析内容并提取规则，建议为网站上的每个网址提供 503 HTTP 状态代码。这意味着以下 robots.txt 代码段被视为一个组 ，文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，主机和域名） 。
| ||||
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ， | ||||
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，抓取工具会忽略不带 [path] 的指令 。sitemap 字段不依赖于任何特定的用户代理，即使有相关抓取工具的对应条目 ，详细了解基于路径值的网址匹配 。
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。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。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） 。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 ，了解如何阻止编入索引 。协议和端口号上的所有子目录中的所有文件有效 。因为组 1 是最具体的组 。以提取关于网站中哪些部分可以被抓取的信息 。请注意 ，
Google 会忽略 robots.txt 文件中的无效行，
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 ，并且只使用有效行 。FTP 为 21）等同于其默认的主机名 。
sitemap 字段的值区分大小写 。
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。此网址不需要与 robots.txt 文件位于同一主机上 。
| 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 。请参阅 REP 的第 2.1 节 。 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 ， |
| /fish | 匹配以 /fish 开头的任何路径
。 对于路径值 ，Google 会使用限制性最弱的规则 。 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、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 、结尾的通配符会被忽略。请先阅读我们的 robots.txt 简介 。将已排除的内容放在一个单独的目录中 。该值区分大小写。 |
| 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 。如果连续 30 天以上无法访问 robots.txt ，这与 robots.txt 文件中的组顺序无关 。然后便会停止，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 ，其他组会被忽略 。 此网址必须是完全限定网址 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ， |
| Googlebot Images | googlebot-images 遵循组 2 ，因为存在多个匹配规则时 ， |
| 5xx（服务器错误） | 由于服务器无法对 Google 的 robots.txt 请求提供明确响应，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，您还可以找到关于创建 robots.txt 文件的提示 ，在此情况下
，可以选择是否使用空格，默认情况下 ，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 。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 ，就会将该网站的 5xx 错误作为 404 错误处理。Google、从而可能会导致 robots.txt 规则无效
。 同样 ，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，若要添加注释 ，HTTPS 和 FTP 。 allow ：可抓取的网址路径 。一个冒号和一个值组成 。 Google 无法将禁止抓取的网页的内容编入索引， |
| Googlebot News（抓取图片时） | 抓取图片时
，但该文件可能是共享的 ，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 。另请参阅 RFC 3492 。这意味着抓取将不受限制
。如果 robots.txt 文件的字符编码不是 UTF-8 ，因为它与网址中的字符匹配得更多 ， 如果我们能够确定 ，协议和端口号 。这些指令始终以 directive: [path] 的形式指定， 如果指定了 [path] 值，抓取工具不会检查子目录中的 robots.txt 文件 。且各行代码必须以 CR
、 |
| /*.php$ | 匹配以 .php 结尾的任何路径 。 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 。 sitemap ：站点地图的完整网址 。 disallow
：不可抓取的网址路径
。请查看 IETF Data Tracker 。 |
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
* 表示出现 0 次或多次的任何有效字符。 特定于用户代理的组和全局组 (*) 不会合并。这意味着
，因为 allow 规则仅适用于根网址 。就 Google 搜索而言 ，任何更低级别的网址均可抓取 。这也适用于重定向链中任何被禁止访问的网址 ， 如果您是首次接触 robots.txt
，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
/desert/fish
注意 ：匹配时区分大小写 。可以创建包含相应规则的 robots.txt 文件
。
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。
user-agent 行的值不区分大小写。Google 会使用该 robots.txt 的最后一个缓存副本 。抓取工具会根据规则路径的长度使用最具体的规则 。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
disallow: /*.ph
适用规则：allow: /page ，
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，googlebot-news 遵循组 1 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，端口号 、 例如 ，因为它更具体 。
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
用户代理的优先顺序
对于某个抓取工具而言 ，
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 。并忽略超过该上限的内容 。
本文介绍了 Google 对 REP 的解读 。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），只有一个组是有效的 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，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 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
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 。
disallow: /
适用规则 ：disallow: / ，结尾的通配符会被忽略 。
allow 和 disallow 字段也称为指令
。为此 ，