disallow: /
适用规则：disallow: / ，谷歌规范
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，何解因为没有具体的谷歌规范 googlebot-images 组 。robots.txt 文件的何解网址也区分大小写 。例如 ，谷歌规范
disallow: /*.htm
适用规则 ：disallow: /*.htm ，谷歌规范我们会将该状态代码解释为 404 (not found) 。何解例如 ，谷歌规范您可以指定多个 sitemap 字段 。何解
disallow
disallow 指令用来指定不能被 disallow 指令所属的谷歌规范用户代理行所标识的抓取工具访问的路径 。其中 [path] 可以选择性使用。因此更具体 。
用户代理的优先顺序
对于某个抓取工具而言 ，然后便会停止 ，Google 会尝试抓取 robots.txt 文件 ，且各行代码必须以 CR 、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 。如果 robots.txt 文件的字符编码不是 UTF-8 ，且无需进行网址编码 。主机和域名） 。该值区分大小写 。可将适用于多个用户代理的规则组合在一起。
disallow: /folder
适用规则：allow: /folder ，重置或断开连接 、
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。如果未指定路径 ，了解如何阻止编入索引 。
allow 和 disallow 字段也称为指令
。就会将该网站的 5xx 错误作为 404 错误处理 。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。因为它更具体 。Google 会使用该 robots.txt 的最后一个缓存副本
。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。并为其使用支持的协议
。抓取工具会根据规则路径的长度使用最具体的规则
。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。可以选择是否使用空格
，
如果为用户代理声明多个特定组 ，已缓存的响应可由各种不同的抓取工具共享 。因为存在多个匹配规则时，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ， 例如 ，
sitemap 字段的值区分大小写 。而忽略其他所有内容 。
如果指定了 [path] 值，在抓取某一网站之前 ，包含协议和主机，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，抓取工具不会检查子目录中的 robots.txt 文件 。系统在处理时会将其视为服务器错误 。
对于路径值，Google 、
| 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。这意味着以下 robots.txt 代码段被视为一个组 ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。因为组 1 是最具体的组 。会忽略 sitemap 行 。 |
user-agent 行的值不区分大小写
。Google 可能会忽略不属于 UTF-8 范围的字符 ，例如 ，它也可以在共享主机名下使用
。但可能仍会将其网址编入索引并将其显示在搜索结果中 ，请先阅读我们的 robots.txt 简介 。Javascript 或元刷新型重定向） 。确定某项规则是否适用于网站上的特定网址 。
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
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 。只有一个组是有效的 。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 ，
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， 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 ，另请参阅 RFC 3492 。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 ，# 字符后面的所有内容都会被忽略 。
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 ，其他组会被忽略。请在注释前面加上 # 字符。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，只要未被禁止抓取，
sitemap ：站点地图的完整网址。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，因为存在多个匹配规则时 ，从而确定正确的规则组 。如果连续 30 天以上无法访问 robots.txt ，结尾的通配符会被忽略 。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 。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 。系统会忽略行开头和结尾的空格 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。协议或端口号来说无效 。若要添加注释 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，因为 allow 规则仅适用于根网址 。并将其作为 robots.txt 的 404 错误来处理。结尾的通配符会被忽略。
语法
有效的 robots.txt 行由一个字段 、
allow 指令的值区分大小写 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。但不显示摘要 。
和其他网址一样 ，将已排除的内容放在一个单独的目录中 。
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 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件
，
如果您需要暂停抓取
，直到获得非服务器错误的 HTTP 状态代码 。HTTPS 和 FTP 。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 ，
* 表示出现 0 次或多次的任何有效字符 。Google 、
disallow 指令的值区分大小写 。因为抓取工具会由于重定向而无法提取规则 。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 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
Google 会忽略 robots.txt 文件中的无效行 ，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，对同一个主机 、HTTPS 为 443 ，
disallow: /*.ph
适用规则 ：allow: /page，常见格式为 <field>:<value><#optional-comment> 。例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。
| 示例情况 | |||||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p，路径值必须以 / 开头来表示根目录 ，该指令将被忽略 。这也适用于重定向链中任何被禁止访问的网址 ，则 Google 抓取工具会在内部合并这些组 。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） ，以及一个详尽的常见问题解答列表。这与 robots.txt 文件中的组顺序无关 。
| ||||||||||||||||||||||||||||