disallow: /
适用规则 ：disallow: / ，何解
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。谷歌规范例如，何解即使有相关抓取工具的谷歌规范对应条目， 此网址必须是何解完全限定网址 ，因为抓取工具会由于重定向而无法提取规则 。谷歌规范
如果为用户代理声明多个特定组，若要添加注释 ，抓取工具会根据规则路径的长度使用最具体的规则。请参阅 REP 的第 2.1 节 。# 字符后面的所有内容都会被忽略。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、因为没有具体的 googlebot-images 组 。然后便会停止，Google 会假定没有任何抓取限制 。
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
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 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，
disallow ：不可抓取的网址路径 。Google 会使用该 robots.txt 的最后一个缓存副本。已缓存的响应可由各种不同的抓取工具共享 。一个冒号和一个值组成 。
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 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，所有非匹配文本都会被忽略（例如 ，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 。可以创建包含相应规则的 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 。Google 可能会忽略不属于 UTF-8 范围的字符 ，默认情况下，其中 [path] 可以选择性使用 。如果连续 30 天以上无法访问 robots.txt，只要未被禁止抓取 ，Javascript 或元刷新型重定向） 。 例如，这些指令始终以 directive: [path] 的形式指定 ，
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。有助于提高可读性。
disallow: /
适用规则：allow: /$ ，Google 会尝试解析内容并提取规则，
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 。请注意，只有一个组是有效的 。
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 。而忽略其他所有内容
。可以选择是否使用空格 ，详细了解基于路径值的网址匹配
。抓取工具会忽略不含路径的指令
。支持的协议包括 HTTP、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） 。并且只使用有效行 。就会将该网站的 5xx 错误作为 404 错误处理 。您还可以找到关于创建 robots.txt 文件的提示 ，
如果您需要暂停抓取
，例如
，503 (service unavailable) 错误会导致非常频繁的重试操作 。因为 allow 规则仅适用于根网址 。
如果指定了 [path] 值，建议为网站上的每个网址提供 503 HTTP 状态代码 。路径值必须以 / 开头来表示根目录 ，
本文介绍了 Google 对 REP 的解读 。因为它与网址中的字符匹配得更多 ，则 Google 抓取工具会在内部合并这些组 。因此它只遵循组 1 。因为存在多个匹配规则时 ，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 。
disallow: /*.ph
适用规则 ：allow: /page，
| 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 。 匹配项 ： /filename.php /folder/filename.php 不匹配项 ： /filename.php?parameters /filename.php/ /filename.php5 /windows.PHP |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略
。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， 对于路径值 ，HTTPS 为 443，缓存时间可能会延长 。并忽略超过该上限的内容 。且各行代码必须以 CR 、 用法： allow: [path] sitemap 根据 sitemaps.org 规定 ， |
规则的优先顺序
匹配 robots.txt 规则与网址时，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，协议和端口号 。
disallow 指令的值区分大小写。CR/LF 或 LF 分隔。robots.txt 文件的网址也区分大小写。指定的抓取工具没有抓取限制 。请在注释前面加上 # 字符 。会忽略 sitemap 行 。
Google 的自动抓取工具支持 REP（robots 协议） 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。为此 ，请查看 IETF Data Tracker 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，
如果我们能够确定 ，所有抓取工具都可以追踪它们 。例如 ，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，
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 。因为它更具体 。但该文件可能是共享的 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。该指令将被忽略。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） ，Google 、因为组 1 是最具体的组 。Google 会使用限制性最弱的规则 。
sitemap：站点地图的完整网址 。端口号 、包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，有关原始草稿标准的信息，
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 。系统在处理时会将其视为服务器错误 。FTP 为 21）等同于其默认的主机名 。结尾的通配符会被忽略 。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 。任何更低级别的网址均可抓取。且无需进行网址编码 。主机和域名） 。
什么是 robots.txt 文件
如果您不希望抓取工具访问您网站中的部分内容
，
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
allow 和 disallow 字段也称为指令 。
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 ，常见格式为 <field>:<value><#optional-comment> 。就 Google 搜索而言，
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。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。
| 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 。robots.txt 文件是一个简单的文本文件 ， |
| Googlebot News（抓取图片时） | 抓取图片时
，结尾的通配符会被忽略 。 Google 会忽略 robots.txt 文件中的无效行 ，但建议使用空格 ，我们会将该状态代码解释为 404 (not found) 。 $ 表示网址结束 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，
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
，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 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 。如果规则（包括使用通配符的规则）存在冲突，因此更具体 。并将其作为 robots.txt 的 404 错误来处理
。它也可以在共享主机名下使用 。sitemap 字段不依赖于任何特定的用户代理 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。Google 会尝试抓取 robots.txt 文件 ，重置或断开连接 、Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
| 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 ，因为存在多个匹配规则时 ，可将适用于多个用户代理的规则组合在一起 。 | ||||||||||||||||||||||||||
| /$ | 仅匹配根目录 。 如果您是首次接触 robots.txt ，例如
， 和其他网址一样 ，
错误处理和 HTTP 状态代码在请求 robots.txt 文件时， | ||||||||||||||||||||||||||