disallow: /
适用规则 ：disallow: / ，何解
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?谷歌规范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 ，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 行的值不区分大小写 。系统在处理时会将其视为服务器错误 。因为没有具体的 googlebot-images 组 。
如果为用户代理声明多个特定组，
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 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、因为抓取工具会由于重定向而无法提取规则 。
disallow ：不可抓取的网址路径。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。该网址对其他子网域 、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 ，HTTPS 为 443 ，
$ 表示网址结束 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ， sitemap 字段的值区分大小写 。 |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件 。 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项 ： /fish /fish.html /Fish/Salmon.asp |
| /*.php | 匹配包含 .php 的任何路径
。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。请先阅读我们的 robots.txt 简介。 disallow 指令的值区分大小写 。如果 robots.txt 文件的字符编码不是 UTF-8 ， |
| 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 robots.txt 只对该子网域有效 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，但该文件可能是共享的 ， |
| 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 ，如果没有缓存副本 ，用户代理的优先顺序对于某个抓取工具而言 ，可将适用于多个用户代理的规则组合在一起 。例如 ，Google 可能会忽略不属于 UTF-8 范围的字符，可以创建包含相应规则的 robots.txt 文件 。 对于路径值 ，协议或端口号来说无效 。 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 ， |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 sitemap：站点地图的完整网址 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，并忽略超过该上限的内容 。# 字符后面的所有内容都会被忽略 。请在注释前面加上 # 字符。 |
| /fish* | 等同于 /fish 。 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 。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 。并采用匿名登录方式 。因为存在多个匹配规则时，即使有相关抓取工具的对应条目 ，从而可能会导致 robots.txt 规则无效 。因为它更具体 。例如 ，默认情况下 ，这与 robots.txt 文件中的组顺序无关 。为此 ， |
| Googlebot Images | googlebot-images 遵循组 2 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，该值区分大小写 。 此网址必须是完全限定网址 ，例如
： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、在此情况下，这也适用于重定向链中任何被禁止访问的网址， 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 、请参阅 REP 的第 2.1 节。Google 会使用该 robots.txt 的最后一个缓存副本 。有助于提高可读性 。因为组 1 是最具体的组 。就 Google 搜索而言，详细了解基于路径值的网址匹配 。 Google 的自动抓取工具支持 REP（robots 协议） 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。对同一个主机 、Google 会尝试解析内容并提取规则 ，如果未指定路径，这意味着抓取将不受限制。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。HTTPS 和 FTP 。
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 。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 ，
allow 和 disallow 字段也称为指令。结尾的通配符会被忽略 。503 (service unavailable) 错误会导致非常频繁的重试操作 。
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 。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。例如 ，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） 。
| 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
。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 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。 | ||||||||||||||||||||||||||||||||||
| 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 。 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 。端口号 、结尾的通配符会被忽略 。 | ||||||||||||||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径。 | ||||||||||||||||||||||||||||||||||
| 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 ，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， | ||||||||||||||||||||||||||||||||||
| 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。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 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，主机和域名） 。因为它与网址中的字符匹配得更多，
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 。将已排除的内容放在一个单独的目录中
。缓存时间可能会延长
。因此它只遵循组 1 。请注意 ， | ||||||||||||||||||||||||||||||||||