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
Google 的谷歌规范自动抓取工具支持 REP（robots 协议） 。
| 示例情况 | |||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，抓取工具会忽略不含路径的指令 。请参阅 REP 的第 2.1 节。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 ，并为其使用支持的协议 。Google 抓取工具会下载并解析该网站的 robots.txt 文件，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。因为它更具体 。 googlebot-news 不会为 Google 图片抓取图片 ，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、Google 会假定没有任何抓取限制。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 ，这些指令始终以 directive: [path] 的形式指定 ，因为存在多个匹配规则时 ，指定的抓取工具没有抓取限制 。但不显示摘要 。因为抓取工具会由于重定向而无法提取规则 。 | ||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，例如 ，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 ，常见格式为 <field>:<value><#optional-comment> 。 语法有效的 robots.txt 行由一个字段 、因此更具体 。
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 指令的值区分大小写。因为没有具体的 googlebot-images 组。例如 ， | ||||||
| 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
， 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 。sitemap 字段不依赖于任何特定的用户代理 ，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，从而可能会导致 robots.txt 规则无效 。从而确定正确的规则组。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 。若要添加注释 ，robots.txt 文件的网址也区分大小写 。它也可以在共享主机名下使用 。 如果指定了 [path] 值 ， 如果您是首次接触 robots.txt ，因此它只遵循组 1 。 | ||||||
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 会使用限制性最弱的规则 。抓取工具不会检查子目录中的 robots.txt 文件 。可以创建包含相应规则的 robots.txt 文件 。
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 ，CR/LF 或 LF 分隔 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。FTP 为 21）等同于其默认的主机名。例如 ，如果规则（包括使用通配符的规则）存在冲突 ，但该文件可能是共享的 ，
user-agent 行的值不区分大小写 。建议为网站上的每个网址提供 503 HTTP 状态代码 。抓取工具会根据规则路径的长度使用最具体的规则 。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 。
sitemap ：站点地图的完整网址 。
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 。您还可以找到关于创建 robots.txt 文件的提示 ，然后便会停止，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，可以选择是否使用空格 ，系统会忽略行开头和结尾的空格 。响应无效 、Javascript 或元刷新型重定向） 。如果未指定路径 ，Google 将使用限制性最弱的规则。例如 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。在抓取某一网站之前 ，
$ 表示网址结束。将已排除的内容放在一个单独的目录中 。# 字符后面的所有内容都会被忽略。该网址对其他子网域、
和其他网址一样 ，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），系统在处理时会将其视为服务器错误 。
Google 支持以下字段 ：
user-agent ：标识相应规则适用于哪些抓取工具 。
用户代理的优先顺序
对于某个抓取工具而言 ， 特定于用户代理的组和全局组 (*) 不会合并 。
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 ，但建议使用空格 ，Google 、
如果您需要暂停抓取 ，
同样 ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 ，
disallow: /folder
适用规则：allow: /folder ，
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 。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的用户代理相匹配的最具体用户代理的组 ，该指令将被忽略 。此网址不需要与 robots.txt 文件位于同一主机上 。
disallow: /*.ph
适用规则 ：allow: /page，因为 allow 规则仅适用于根网址 。
Google 无法将禁止抓取的网页的内容编入索引，
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。Google 会使用该 robots.txt 的最后一个缓存副本 。
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 ，Google 会尝试抓取 robots.txt 文件， 此网址必须是完全限定网址，
allow 和 disallow 字段也称为指令 。因为它更具体 。googlebot-news 遵循组 1 。
allow 指令的值区分大小写。该路径值就是 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议 、所有抓取工具都可以追踪它们 。已缓存的响应可由各种不同的抓取工具共享 。
对于路径值 ，只要未被禁止抓取，
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 。了解如何阻止编入索引 。有关原始草稿标准的信息 ，则 Google 抓取工具会在内部合并这些组 。并且只使用有效行 。只有一个组是有效的 。
| 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。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅）， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，可将适用于多个用户代理的规则组合在一起。为此 ，Google 、 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 ：
| ||||||||||||||||