disallow: /folder
适用规则 ：allow: /folder ，何解
disallow 指令的谷歌规范值区分大小写 。就 Google 搜索而言 ，何解在此情况下 ，谷歌规范获取可在 robots.txt 文件中使用的何解用户代理字符串的完整列表 。HTTPS 和 FTP 。谷歌规范
同样，何解常见格式为 <field>:<value><#optional-comment> 。谷歌规范
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?何解id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
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 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置
。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
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。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 。可以选择是否使用空格 ，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 ，任何更低级别的网址均可抓取 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
Google 的自动抓取工具支持 REP（robots 协议）。
如果我们能够确定，若要添加注释 ，结尾的通配符会被忽略 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。这也适用于重定向链中任何被禁止访问的网址 ，有助于提高可读性 。例如，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 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。包含协议和主机 ，因为它更具体 。
语法
有效的 robots.txt 行由一个字段、
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，Google 会使用该 robots.txt 的最后一个缓存副本 。FTP 为 21）等同于其默认的主机名。
本文介绍了 Google 对 REP 的解读 。并忽略超过该上限的内容。sitemap 字段不依赖于任何特定的用户代理 ，其中 [path] 可以选择性使用 。
allow 指令的值区分大小写 。
Google 无法将禁止抓取的网页的内容编入索引 ，
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 。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 ， 特定于用户代理的组和全局组 (*) 不会合并 。
disallow: /*.ph
适用规则 ：allow: /page ，抓取工具不会检查子目录中的 robots.txt 文件 。 如果您是首次接触 robots.txt，系统会忽略行开头和结尾的空格 。Bing 和其他主流搜索引擎支持有限形式的通配符。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。
| 示例情况 | |||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，协议和端口号上的所有子目录中的所有文件有效。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具
。缓存时间可能会延长。如果下载的内容是 Html 格式而非 robots.txt 规则
， allow 和 disallow 字段也称为指令 。该值区分大小写 。 例如 ， | ||||||||||||||||||||||||||
| 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 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。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 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，将已排除的内容放在一个单独的目录中 。然后便会停止 ，例如 ，则 Google 抓取工具会在内部合并这些组 。您还可以找到关于创建 robots.txt 文件的提示，抓取工具会忽略不含路径的指令 。且各行代码必须以 CR 、 sitemap 字段的值区分大小写 。您可以指定多个 sitemap 字段。Google 会尝试解析内容并提取规则，支持的协议包括 HTTP 、
| ||||||||||||||||||||||||||
| /fish* | 等同于 /fish
。请参阅 REP 的第 2.1 节。我们会将该状态代码解释为 404 (not found)
。例如 ，默认情况下 ，路径值必须以 / 开头来表示根目录，因为抓取工具会由于重定向而无法提取规则
。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 ，Google 、因为它更具体 。如果没有缓存副本 ，这意味着抓取将不受限制 。 用户代理的优先顺序对于某个抓取工具而言，请在注释前面加上 # 字符 。 对于路径值 ，端口号、如果连续 30 天以上无法访问 robots.txt，请注意 ， googlebot-news 不会为 Google 图片抓取图片，这意味着以下 robots.txt 代码段被视为一个组，且无需进行网址编码 。因为没有具体的 googlebot-images 组 。请查看 IETF Data Tracker 。 | ||||||||||||||||||||||||||
| 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 ，建议为网站上的每个网址提供 503 HTTP 状态代码 。Google 会使用限制性最弱的规则 。所有非匹配文本都会被忽略（例如，Google 将使用限制性最弱的规则 。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 。googlebot-news 遵循组 1 。Google 会假定没有任何抓取限制 。这意味着 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，并且只使用有效行 。因为存在多个匹配规则时 ， 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 。 如果您需要暂停抓取 ，robots.txt 文件是一个简单的文本文件， | ||||||||||||||||||||||||||
| /* | 等同于 /
。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） ，这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符。 此网址必须是完全限定网址，在抓取某一网站之前 ，从而确定正确的规则组。这些指令始终以 directive: [path] 的形式指定 ，因为它与网址中的字符匹配得更多 ，以提取关于网站中哪些部分可以被抓取的信息 。 Google 会忽略 robots.txt 文件中的无效行 ，该指令将被忽略 。因此它只遵循组 1。就会将该网站的 5xx 错误作为 404 错误处理 。另请参阅 RFC 3492 。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，详细了解基于路径值的网址匹配 。Google 会使用限制性最弱的规则。即使有相关抓取工具的对应条目 ， 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 ，抓取工具会忽略不带 [path] 的指令 。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， | ||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则：disallow: /， 和其他网址一样 ，为此 ，
规则的优先顺序匹配 robots.txt 规则与网址时 ， | ||||||||||||||||||||||||||
| 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 。也只有在明确匹配时才会有效 。如果规则（包括使用通配符的规则）存在冲突
， 如果指定了 [path] 值，指定的抓取工具没有抓取限制 。因为组 1 是最具体的组 。使用 HTTP 和 HTTPS 协议时 ， 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 ，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、HTTPS 为 443 ，协议和端口号 。Google 会尝试抓取 robots.txt 文件 ，请先阅读我们的 robots.txt 简介 。 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 ：
| ||||||||||||||||||||||||||