disallow: /folder
适用规则 ：allow: /folder ，何解因为 allow 规则仅适用于根网址 。谷歌规范也不适用于用来提高用户安全性的何解抓取工具（例如恶意软件分析） 。并采用匿名登录方式 。谷歌规范Bing 和其他主流搜索引擎支持有限形式的何解通配符 。
sitemap 字段的谷歌规范值区分大小写 。所有抓取工具都可以追踪它们 。何解
$ 表示网址结束 。何解这与 robots.txt 文件中的谷歌规范组顺序无关 。系统会将相应规则与抓取工具尝试抓取的何解网址的路径部分进行比较 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，谷歌规范但该文件可能是何解共享的 ，
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 ，
disallow：不可抓取的网址路径。就 Google 搜索而言，指定的抓取工具没有抓取限制 。因此它只遵循组 1 。在此情况下 ，
# 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 ，
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 。请先阅读我们的 robots.txt 简介 。Google 会尝试抓取 robots.txt 文件 ，若要添加注释 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
对于路径值，因为它与网址中的字符匹配得更多，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，其中 [path] 可以选择性使用 。
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 ，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、这也适用于重定向链中任何被禁止访问的网址 ，我们会将该状态代码解释为 404 (not found) 。 googlebot-news 不会为 Google 图片抓取图片 ，有助于提高可读性 。抓取工具不会检查子目录中的 robots.txt 文件 。
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定，# 字符后面的所有内容都会被忽略
。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，robots.txt 文件的网址也区分大小写 。
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
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，因为抓取工具会由于重定向而无法提取规则 。主机和域名） 。因为它更具体 。
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。并忽略超过该上限的内容。
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。协议和端口号上的所有子目录中的所有文件有效 。Google 、重置或断开连接 、Javascript 或元刷新型重定向）。直到获得非服务器错误的 HTTP 状态代码。您可以指定多个 sitemap 字段 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。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） ，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，
sitemap ：站点地图的完整网址。端口号 、并且只使用有效行 。
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 。抓取工具会忽略不带 [path] 的指令 。包含协议和主机，因为组 1 是最具体的组 。详细了解基于路径值的网址匹配。如果连续 30 天以上无法访问 robots.txt，有关原始草稿标准的信息，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 ，HTTPS 和 FTP 。 此网址必须是完全限定网址 ，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、对同一个主机 、
如果您需要暂停抓取 ，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 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，如果下载的内容是 Html 格式而非 robots.txt 规则，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。系统在处理时会将其视为服务器错误 。
| 示例情况 | |||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p，例如 ，这意味着抓取将不受限制 。因为存在多个匹配规则时， 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 ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。例如 ，任何更低级别的网址均可抓取 。将已排除的内容放在一个单独的目录中 。因此更具体 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。响应无效、HTTPS 为 443 ，Google 、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，协议或端口号来说无效 。Google 会使用限制性最弱的规则 。如果没有缓存副本 ，另请参阅 RFC 3492 。 用户代理的优先顺序对于某个抓取工具而言 ， | ||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2。协议和端口号 。您还可以找到关于创建 robots.txt 文件的提示 ，即使有相关抓取工具的对应条目， | ||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，
如果指定了 [path] 值 ，抓取工具会根据规则路径的长度使用最具体的规则。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB
，系统会忽略行开头和结尾的空格 。CR/LF 或 LF 分隔。此网址不需要与 robots.txt 文件位于同一主机上 。 如果您是首次接触 robots.txt，以提取关于网站中哪些部分可以被抓取的信息。
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 。如果 robots.txt 文件的字符编码不是 UTF-8，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
，缓存时间可能会延长 。
disallow 指令的值区分大小写。
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 。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 。
allow ：可抓取的网址路径 。确定某项规则是否适用于网站上的特定网址。请注意 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件，
如果为用户代理声明多个特定组 ，
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 ：
| 每个抓取工具追踪的组 | |||||||||||||||||||||||||||||||||||||
| Googlebot News | googlebot-news 遵循组 1 ，在抓取某一网站之前
，建议为网站上的每个网址提供 503 HTTP 状态代码 。 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
。
| ||||||||||||||||||||||||||||||||||||