disallow: /folder
适用规则：allow: /folder ，
disallow: /*.ph
适用规则 ：allow: /page ，
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 ，此网址不需要与 robots.txt 文件位于同一主机上 。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 ，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 ，主机和域名） 。协议和端口号。并采用匿名登录方式 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，抓取工具不会检查子目录中的 robots.txt 文件 。结尾的通配符会被忽略 。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 ，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定，
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 ， allow：可抓取的网址路径 。Bing 和其他主流搜索引擎支持有限形式的通配符 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，HTTPS 为 443，HTTPS 和 FTP 。而忽略其他所有内容 。该指令将被忽略。 $ 表示网址结束 。也只有在明确匹配时才会有效 。所有抓取工具都可以追踪它们 。 disallow 指令的值区分大小写 。路径值必须以 / 开头来表示根目录 ，可以创建包含相应规则的 robots.txt 文件 。 |
| ftp://example.com/robots.txt | 适用于
： ftp://example.com/ 不适用于 ： http://example.com/ |
| http://212.96.82.21/robots.txt | 适用于
： http://212.96.82.21/ 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 ，但建议使用空格 ，其中 [path] 可以选择性使用。 同样 ， 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 ， |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$，例如 ， |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ，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） ，从而可能会导致 robots.txt 规则无效 。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 、因为存在多个匹配规则时 ， 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。Google 可能会忽略不属于 UTF-8 范围的字符 ， |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，因此更具体。请参阅 Google 抓取工具和用户代理字符串 ，
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、
sitemap 字段的值区分大小写 。详细了解基于路径值的网址匹配 。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。
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
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
和其他网址一样 ，
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，缓存时间可能会延长 。
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。如果没有缓存副本 ，但可能仍会将其网址编入索引并将其显示在搜索结果中
，
http://example.com:80/
http://example.com/
不适用于：
http://example.com:81/
标准端口号（HTTP 为 80 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，因为 allow 规则仅适用于根网址 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。
如果您需要暂停抓取 ，系统在处理时会将其视为服务器错误 。抓取工具会忽略不带 [path] 的指令 。
# 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，这意味着 ，Google 、则 Google 抓取工具会在内部合并这些组 。
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 。默认情况下，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。
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 。请注意 ，例如，抓取工具会根据规则路径的长度使用最具体的规则 。如果规则（包括使用通配符的规则）存在冲突 ，有助于提高可读性 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。使用 HTTP 和 HTTPS 协议时，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、确定某项规则是否适用于网站上的特定网址 。这意味着以下 robots.txt 代码段被视为一个组
，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。以提取关于网站中哪些部分可以被抓取的信息 。googlebot-news 遵循组 1
。
| 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。因此它只遵循组 1 。 | ||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2
， 此网址必须是完全限定网址，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。从而确定正确的规则组。有关原始草稿标准的信息 ，503 (service unavailable) 错误会导致非常频繁的重试操作
。 Google 的自动抓取工具支持 REP（robots 协议） 。例如 ，如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"，对同一个主机 、请在注释前面加上 # 字符 。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 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， user-agent 行的值不区分大小写 。直到获得非服务器错误的 HTTP 状态代码 。 allow 指令的值区分大小写 。了解如何阻止编入索引。 Google 无法将禁止抓取的网页的内容编入索引 ，该值区分大小写。 本文介绍了 Google 对 REP 的解读 。Javascript 或元刷新型重定向） 。 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。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
，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
。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
，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。指定的抓取工具没有抓取限制 。可以选择是否使用空格 ，因为它更具体 。您还可以找到关于创建 robots.txt 文件的提示，请参阅 REP 的第 2.1 节。抓取工具会忽略不含路径的指令。该网址对其他子网域 、可将适用于多个用户代理的规则组合在一起 。# 字符后面的所有内容都会被忽略 。 Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。 | ||||||||||||||||
| 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 ，Google 会假定没有任何抓取限制
。 allow 和 disallow 字段也称为指令 。 | ||||||||||||||||
| http://example.com:8181/robots.txt | 适用于： http://example.com:8181/ 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。包含协议和主机 ，Google 、支持的协议包括 HTTP 、响应无效 、 如果指定了 [path] 值 ， | ||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 | ||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径。我们会将该状态代码解释为 404 (not found)。 | ||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，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。一个冒号和一个值组成 。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 ，在此情况下，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 。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时，因为它与网址中的字符匹配得更多 ， 对于路径值 ，并忽略超过该上限的内容。就 Google 搜索而言，系统会忽略行开头和结尾的空格 。sitemap 字段不依赖于任何特定的用户代理， | ||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径。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 ，并为其使用支持的协议 。且各行代码必须以 CR、并将其作为 robots.txt 的 404 错误来处理 。 语法有效的 robots.txt 行由一个字段 、因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。
| ||||||||||||||||