disallow: /folder
适用规则 ：allow: /folder ，何解
disallow ：不可抓取的谷歌规范网址路径 。因为 allow 规则仅适用于根网址 。何解
allow 指令的谷歌规范值区分大小写。
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
| 示例情况 | |||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p，指定的抓取工具没有抓取限制。所有非匹配文本都会被忽略（例如 ， googlebot-news 不会为 Google 图片抓取图片 ， 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， 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，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 ，请在注释前面加上 # 字符 。支持的协议包括 HTTP 、并将其作为 robots.txt 的 404 错误来处理。为此 ，只有一个组是有效的 。这意味着抓取将不受限制 。然后便会停止 ， 对于路径值 ， $ 表示网址结束 。 | ||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: / ，了解如何阻止编入索引。因为它更具体 。详细了解基于路径值的网址匹配。您可以指定多个 sitemap 字段。以及一个详尽的常见问题解答列表 。 如果指定了 [path] 值 ， | ||||||||
| 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。 Google 的自动抓取工具支持 REP（robots 协议）。CR/LF 或 LF 分隔 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，并忽略超过该上限的内容 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ， 语法有效的 robots.txt 行由一个字段 、 | ||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，任何更低级别的网址均可抓取 。就 Google 搜索而言 ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，Google 将使用限制性最弱的规则。
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ， 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 。该指令将被忽略 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。协议或端口号来说无效 。这意味着以下 robots.txt 代码段被视为一个组，协议和端口号 。
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
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
disallow: /
适用规则 ：allow: /$ ，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 、
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，
disallow: /*.ph
适用规则 ：allow: /page ，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。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 。端口号 、请参阅 REP 的第 2.1 节 。
sitemap 字段的值区分大小写 。路径值必须以 / 开头来表示根目录 ，其他组会被忽略 。googlebot-news 遵循组 1 。Google 可能会忽略不属于 UTF-8 范围的字符 ，并采用匿名登录方式 。也只有在明确匹配时才会有效 。Bing 和其他主流搜索引擎支持有限形式的通配符 。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 。且各行代码必须以 CR、
* 表示出现 0 次或多次的任何有效字符 。从而可能会导致 robots.txt 规则无效 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，在此情况下 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，
robots.txt 文件中列出的规则只适用于该文件所在的主机、系统会忽略行开头和结尾的空格 。将已排除的内容放在一个单独的目录中 。Google 会尝试抓取 robots.txt 文件，因此更具体 。
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 。
disallow: /*.htm
适用规则 ：disallow: /*.htm ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。所有抓取工具都可以追踪它们 。
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 。有助于提高可读性 。
Google 支持以下字段：
user-agent：标识相应规则适用于哪些抓取工具 。
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，因为它与网址中的字符匹配得更多 ，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 。
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 。
如果为用户代理声明多个特定组，若要添加注释 ，系统在处理时会将其视为服务器错误 。 例如 ，因为它更具体。因为抓取工具会由于重定向而无法提取规则
。robots.txt 文件是一个简单的文本文件 ，这些指令始终以 directive: [path] 的形式指定 ，disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。抓取工具会忽略不带 [path] 的指令 。因此它只遵循组 1 。这意味着 ，例如，我们会将该状态代码解释为 404 (not found) 。建议为网站上的每个网址提供 503 HTTP 状态代码 。如果规则（包括使用通配符的规则）存在冲突 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。就会将该网站的 5xx 错误作为 404 错误处理 。
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，即使有相关抓取工具的对应条目 ，下面说明了抓取工具如何理解之前的 robots.txt 代码段 ：
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 ，sitemap 字段不依赖于任何特定的用户代理
，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，FTP 为 21）等同于其默认的主机名 。直到获得非服务器错误的 HTTP 状态代码 。但该文件可能是共享的 ，使用 HTTP 和 HTTPS 协议时 ，
user-agent 行的值不区分大小写 。主机和域名） 。
同样 ，
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，抓取工具不会检查子目录中的 robots.txt 文件 。
| ||||||||||||||||||||||||