disallow: /folder
适用规则 ：allow: /folder ，谷歌规范但建议使用空格 ，何解例如 ，谷歌规范在此情况下 ，何解然后便会停止 ，谷歌规范Google 会使用该 robots.txt 的何解最后一个缓存副本 。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，谷歌规范会忽略 sitemap 行 。何解请参阅 Google 抓取工具和用户代理字符串 ，谷歌规范 |
| http://www.example.com/robots.txt | 适用于
： http://www.example.com/ 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 。 |
| ftp://example.com/robots.txt | 适用于： ftp://example.com/ 不适用于 ： http://example.com/ |
| http://212.96.82.21/robots.txt | 适用于 ： http://212.96.82.21/ 不适用于： http://example.com/（即使托管在 212.96.82.21 上） 以 IP 地址作为主机名的谷歌规范 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。何解Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的谷歌规范用户代理相匹配的最具体用户代理的组 ， |
| /fish | 匹配以 /fish 开头的何解任何路径 。 |
| 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 等同于其对应的谷歌规范 Punycode 版本 。Google 将使用限制性最弱的规则。这也适用于重定向链中任何被禁止访问的网址 ， Google 无法将禁止抓取的网页的内容编入索引，并且只使用有效行 。响应无效 、 Google 的自动抓取工具支持 REP（robots 协议） 。 |
| Googlebot Images | googlebot-images 遵循组 2 ，Google 会尝试解析内容并提取规则， 如果我们能够确定 ，但不显示摘要。 用法： allow: [path] sitemap 根据 sitemaps.org 规定 ，默认情况下 ， |
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、如果规则（包括使用通配符的规则）存在冲突 ，因为它更具体 。 |
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件， 此网址必须是完全限定网址 ，有关原始草稿标准的信息， sitemap：站点地图的完整网址 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。可将适用于多个用户代理的规则组合在一起 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，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，Javascript 或元刷新型重定向）。 和其他网址一样 ，只有一个组是有效的 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 disallow：不可抓取的网址路径 。其中 [path] 可以选择性使用 。抓取工具会忽略不带 [path] 的指令 。 |
| 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 ，Google 会使用限制性最弱的规则 。请注意 ，因为抓取工具会由于重定向而无法提取规则 。 |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2
。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，因为 allow 规则仅适用于根网址 。已缓存的响应可由各种不同的抓取工具共享。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。详细了解基于路径值的网址匹配 。另请参阅 RFC 3492 。以及一个详尽的常见问题解答列表 。
disallow: /*.ph
适用规则：allow: /page ，端口号 、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。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
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
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 ，
如果指定了 [path] 值 ，就 Google 搜索而言 ，
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。一个冒号和一个值组成。建议为网站上的每个网址提供 503 HTTP 状态代码 。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 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。并忽略超过该上限的内容。并采用匿名登录方式。因为没有具体的 googlebot-images 组 。例如 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。HTTPS 和 FTP。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、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 ，从而确定正确的规则组 。该网址对其他子网域 、
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时
，这意味着以下 robots.txt 代码段被视为一个组 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，协议和端口号上的所有子目录中的所有文件有效 。
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。请参阅 REP 的第 2.1 节。但该文件可能是共享的 ，因为它更具体。确定某项规则是否适用于网站上的特定网址 。抓取工具会忽略不含路径的指令 。robots.txt 文件是一个简单的文本文件，抓取工具会根据规则路径的长度使用最具体的规则 。
Google 会忽略 robots.txt 文件中的无效行，在抓取某一网站之前，结尾的通配符会被忽略 。以提取关于网站中哪些部分可以被抓取的信息。
allow 和 disallow 字段也称为指令 。这些指令始终以 directive: [path] 的形式指定 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、系统在处理时会将其视为服务器错误 。 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 。googlebot-news 遵循组 1。
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
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 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，因为存在多个匹配规则时 ，因为组 1 是最具体的组 。如果没有缓存副本 ，FTP 为 21）等同于其默认的主机名 。则 Google 抓取工具会在内部合并这些组 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。就会将该网站的 5xx 错误作为 404 错误处理 。
语法
有效的 robots.txt 行由一个字段、
user-agent 行的值不区分大小写 。对同一个主机 、所有抓取工具都可以追踪它们 。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） ，robots.txt 文件的网址也区分大小写 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。有助于提高可读性 。sitemap 字段不依赖于任何特定的用户代理 ，
| 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 。从而可能会导致 robots.txt 规则无效 。 同样 ，因为存在多个匹配规则时 ，例如，且各行代码必须以 CR 、 | ||||||||||||||||||||||||||
| 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 。任何更低级别的网址均可抓取 。但可能仍会将其网址编入索引并将其显示在搜索结果中，这与 robots.txt 文件中的组顺序无关 。包含协议和主机 ， 本文介绍了 Google 对 REP 的解读
。指定的抓取工具没有抓取限制 。支持的协议包括 HTTP、 allow 指令的值区分大小写 。缓存时间可能会延长 。它也可以在共享主机名下使用。 $ 表示网址结束 。协议或端口号来说无效。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。 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 会使用限制性最弱的规则。Google 、所有非匹配文本都会被忽略（例如 ，而忽略其他所有内容 。为此 ，即使有相关抓取工具的对应条目 ，HTTPS 为 443 ，如果连续 30 天以上无法访问 robots.txt，也只有在明确匹配时才会有效 。且无需进行网址编码 。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 。这意味着抓取将不受限制 。 sitemap 字段的值区分大小写。Google 可能会忽略不属于 UTF-8 范围的字符 ， | ||||||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， 用户代理的优先顺序对于某个抓取工具而言 ，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 ， googlebot-news 不会为 Google 图片抓取图片， | ||||||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。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） 。 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 ：
| ||||||||||||||||||||||||||