disallow: /
适用规则 ：allow: /$ ，何解 例如 ，谷歌规范因为抓取工具会由于重定向而无法提取规则。何解请参阅 REP 的谷歌规范第 2.1 节 。例如，何解
如果您需要暂停抓取 ，谷歌规范因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。何解因为它更具体。谷歌规范
allow：可抓取的何解网址路径 。
disallow: /*.ph
适用规则：allow: /page ，谷歌规范
不适用于 ：
http://example.com/
http://shop.www.example.com/
http://www.shop.example.com/
子网域上的何解 robots.txt 只对该子网域有效 。只有一个组是谷歌规范有效的 。
sitemap 字段的何解值区分大小写。因为它更具体 。谷歌规范
user-agent 行的值不区分大小写 。抓取工具会忽略不含路径的指令 。因为组 1 是最具体的组 。
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
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 ：
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 ，端口号、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 ，这些指令始终以 directive: [path] 的形式指定 ，确定某项规则是否适用于网站上的特定网址 。Bing 和其他主流搜索引擎支持有限形式的通配符 。
disallow 指令的值区分大小写 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。请注意 ，因为它与网址中的字符匹配得更多 ，直到获得非服务器错误的 HTTP 状态代码 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。FTP 为 21）等同于其默认的主机名 。该指令将被忽略 。
| 示例情况 | |||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，可将适用于多个用户代理的规则组合在一起。了解如何阻止编入索引 。
匹配项 ： /filename.php /folder/filename.php 不匹配项： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP | ||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，此网址不需要与 robots.txt 文件位于同一主机上 。所有非匹配文本都会被忽略（例如 ， | ||||||||
| 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 。系统在处理时会将其视为服务器错误 。sitemap 字段不依赖于任何特定的用户代理 ， | ||||||||
| 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 ，Javascript 或元刷新型重定向） 。Google 会尝试抓取 robots.txt 文件 ，用户代理的优先顺序对于某个抓取工具而言 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、Google 可能会忽略不属于 UTF-8 范围的字符 ，从而确定正确的规则组 。 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
。使用 HTTP 和 HTTPS 协议时， | ||||||||
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
allow 和 disallow 字段也称为指令 。因为存在多个匹配规则时 ，如果 robots.txt 文件的字符编码不是 UTF-8，
Google 无法将禁止抓取的网页的内容编入索引 ，已缓存的响应可由各种不同的抓取工具共享。并忽略超过该上限的内容。
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 ，这意味着 ，也只有在明确匹配时才会有效。因为 allow 规则仅适用于根网址。以及一个详尽的常见问题解答列表 。任何更低级别的网址均可抓取 。并且只使用有效行 。抓取工具不会检查子目录中的 robots.txt 文件 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，则 Google 抓取工具会在内部合并这些组。若要添加注释 ，
语法
有效的 robots.txt 行由一个字段 、Google 会使用该 robots.txt 的最后一个缓存副本。这与 robots.txt 文件中的组顺序无关 。缓存时间可能会延长 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。您可以指定多个 sitemap 字段。协议和端口号上的所有子目录中的所有文件有效 。
disallow ：不可抓取的网址路径 。另请参阅 RFC 3492 。# 字符后面的所有内容都会被忽略。支持的协议包括 HTTP 、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 。
Google 支持以下字段：
user-agent ：标识相应规则适用于哪些抓取工具 。如果未指定路径，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 。就会将该网站的 5xx 错误作为 404 错误处理 。如果下载的内容是 Html 格式而非 robots.txt 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 ，
和其他网址一样，协议和端口号。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。robots.txt 文件的网址也区分大小写 。
disallow: /
适用规则：disallow: / ，Google 会假定没有任何抓取限制 。可以创建包含相应规则的 robots.txt 文件 。
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，主机和域名） 。
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 。重置或断开连接 、REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
如果指定了 [path] 值，并为其使用支持的协议 。因此它只遵循组 1 。请参阅 Google 抓取工具和用户代理字符串 ，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，
disallow: /folder
适用规则 ：allow: /folder ，建议为网站上的每个网址提供 503 HTTP 状态代码。
allow 指令的值区分大小写 。CR/LF 或 LF 分隔。
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
disallow: /*.htm
适用规则 ：disallow: /*.htm ，如果没有缓存副本，并采用匿名登录方式 。例如，这也适用于重定向链中任何被禁止访问的网址 ，HTTPS 和 FTP 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。结尾的通配符会被忽略 。包含协议和主机 ，但建议使用空格 ，
同样，且各行代码必须以 CR 、路径值必须以 / 开头来表示根目录 ，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 ，请在注释前面加上 # 字符 。例如 ，在此情况下 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，HTTPS 为 443 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，googlebot-news 遵循组 1
。503 (service unavailable) 错误会导致非常频繁的重试操作。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架
、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） 。
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 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、Google 将使用限制性最弱的规则 。
| 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。 特定于用户代理的组和全局组 (*) 不会合并 。在抓取某一网站之前 ，将已排除的内容放在一个单独的目录中 。 | ||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。对同一个主机 、
| ||||||||||||||||||||||