disallow: /
适用规则：disallow: / ，何解HTTPS 和 FTP 。谷歌规范
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 地址作为主机名的何解 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。它也可以在共享主机名下使用 。谷歌规范结尾的何解通配符会被忽略 。请先阅读我们的谷歌规范 robots.txt 简介。
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?何解parameters
/folder/any.php.file.html
/filename.php/
不匹配项：
/（即使其映射到 /index.php）
/windows.PHP
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的何解位置 。
本文介绍了 Google 对 REP 的谷歌规范解读
。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。何解这也适用于重定向链中任何被禁止访问的谷歌规范网址 ，协议和端口号上的所有子目录中的所有文件有效 。
sitemap 字段的值区分大小写 。
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 。该指令将被忽略 。
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 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。此网址不需要与 robots.txt 文件位于同一主机上 。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 无法将禁止抓取的网页的内容编入索引，请在注释前面加上 # 字符 。
| 路径匹配示例 | |||||||
| / | 匹配根目录以及任何下级网址 。请参阅 Google 抓取工具和用户代理字符串 ， | ||||||
| /* | 等同于 / 。Google 会尝试解析内容并提取规则 ，robots.txt 文件是一个简单的文本文件，建议为网站上的每个网址提供 503 HTTP 状态代码 。但不显示摘要 。可以创建包含相应规则的 robots.txt 文件 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。只要未被禁止抓取 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，在抓取某一网站之前 ，其他组会被忽略。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，CR/LF 或 LF 分隔。从而可能会导致 robots.txt 规则无效。 | ||||||
| 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
，从而确定正确的规则组 。有关原始草稿标准的信息
，这与 robots.txt 文件中的组顺序无关
。例如 ， 例如 ，因为 allow 规则仅适用于根网址
。 googlebot-news 不会为 Google 图片抓取图片
，Google 会使用该 robots.txt 的最后一个缓存副本。 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 | ||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容。因为抓取工具会由于重定向而无法提取规则。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。协议或端口号来说无效。 allow ：可抓取的网址路径 。响应无效 、 | ||||||
| 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 。 | ||||||
| /fish | 匹配以 /fish 开头的任何路径
。 特定于用户代理的组和全局组 (*) 不会合并。确定某项规则是否适用于网站上的特定网址
。 robots.txt 文件中列出的规则只适用于该文件所在的主机 、重置或断开连接、Google 可能会忽略不属于 UTF-8 范围的字符 ， 如果您是首次接触 robots.txt ，则 Google 抓取工具会在内部合并这些组。也只有在明确匹配时才会有效。因为它更具体 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。如果 robots.txt 文件的字符编码不是 UTF-8 ， | ||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，这些指令始终以 directive: [path] 的形式指定 ，并为其使用支持的协议 。系统会忽略行开头和结尾的空格 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ， 如果我们能够确定 ，因为存在多个匹配规则时 ，例如： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、结尾的通配符会被忽略。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） 。Google 会使用限制性最弱的规则 。 disallow 指令的值区分大小写 。并将其作为 robots.txt 的 404 错误来处理 。其中 [path] 可以选择性使用 。 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 ：
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，任何更低级别的网址均可抓取 。所有非匹配文本都会被忽略（例如 ，可将适用于多个用户代理的规则组合在一起。 allow 指令的值区分大小写 。另请参阅 RFC 3492 。这意味着以下 robots.txt 代码段被视为一个组 ，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 。默认情况下 ，因为它更具体 。 对于路径值 ，这意味着抓取将不受限制 。主机和域名） 。且各行代码必须以 CR 、 allow 和 disallow 字段也称为指令 。该网址对其他子网域、在此情况下 ， sitemap：站点地图的完整网址。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 ， $ 表示网址结束
。 | ||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径。因为没有具体的 googlebot-images 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 ，
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80，这意味着 ，
如果您需要暂停抓取 ，常见格式为 <field>:<value><#optional-comment>。
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，若要添加注释 ，就 Google 搜索而言 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。 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。
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 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，googlebot-news 遵循组 1。以及一个详尽的常见问题解答列表 。
语法
有效的 robots.txt 行由一个字段、我们会将该状态代码解释为 404 (not found) 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，因此它只遵循组 1 。503 (service unavailable) 错误会导致非常频繁的重试操作。可以选择是否使用空格，
| 示例情况 | |||||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p，Google、使用 HTTP 和 HTTPS 协议时 ，您可以指定多个 sitemap 字段。并忽略超过该上限的内容。如果未指定路径， 此网址必须是完全限定网址 ， | ||||||||||||||||||||||||||||
| /fish* | 等同于 /fish 。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 ，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） ， 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ， user-agent 行的值不区分大小写。抓取工具会根据规则路径的长度使用最具体的规则。 用户代理的优先顺序对于某个抓取工具而言 ，Javascript 或元刷新型重定向）。抓取工具不会检查子目录中的 robots.txt 文件 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。包含协议和主机 ，直到获得非服务器错误的 HTTP 状态代码 。因为它与网址中的字符匹配得更多，对同一个主机 、
disallow ：不可抓取的网址路径 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定，有助于提高可读性 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。支持的协议包括 HTTP 、如果没有缓存副本 ，如果规则（包括使用通配符的规则）存在冲突 ，
| ||||||||||||||||||||||||||||