disallow: /
适用规则：disallow: / ，谷歌规范并将其作为 robots.txt 的何解 404 错误来处理。
Google 无法将禁止抓取的谷歌规范网页的内容编入索引 ，
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 。我们会将该状态代码解释为 404 (not found) 。谷歌规范以提取关于网站中哪些部分可以被抓取的何解信息。
什么是何解 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，
如果为用户代理声明多个特定组 ，因为它更具体 。结尾的通配符会被忽略 。
disallow 指令的值区分大小写 。Javascript 或元刷新型重定向） 。
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。就 Google 搜索而言 ，
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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 。Google 会尝试解析内容并提取规则 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项
：
/fish
/fish.html
/Fish/Salmon.asp
allow 和 disallow 字段也称为指令 。协议和端口号 。robots.txt 文件的网址也区分大小写 。
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
。
本文介绍了 Google 对 REP 的解读 。如果没有缓存副本，对同一个主机 、
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。如果规则（包括使用通配符的规则）存在冲突 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，请查看 IETF Data Tracker 。因为它更具体。因为存在多个匹配规则时 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。已缓存的响应可由各种不同的抓取工具共享 。该值区分大小写 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。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 。CR/LF 或 LF 分隔 。
如果指定了 [path] 值，
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，FTP 为 21）等同于其默认的主机名 。系统在处理时会将其视为服务器错误 。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，# 字符后面的所有内容都会被忽略 。 |
| http://example.com/robots.txt | 适用于 ： http://example.com:80/ http://example.com/ 不适用于 ： http://example.com:81/ 标准端口号（HTTP 为 80 ，请注意 ，Google 会使用该 robots.txt 的最后一个缓存副本 。但该文件可能是共享的 ，Bing 和其他主流搜索引擎支持有限形式的通配符。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 disallow ：不可抓取的网址路径 。 $ 表示网址结束 。 Google 会忽略 robots.txt 文件中的无效行 ， |
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。就会将该网站的 5xx 错误作为 404 错误处理。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
。 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: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。 同样 ， 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 ，这意味着抓取将不受限制 。可将适用于多个用户代理的规则组合在一起 。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 、Google 会使用限制性最弱的规则 。因为它与网址中的字符匹配得更多 ， |
| 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 。抓取工具不会检查子目录中的 robots.txt 文件。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，
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，
| 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 。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 。 如果我们能够确定 ，为此 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。即使有相关抓取工具的对应条目 ，可以创建包含相应规则的 robots.txt 文件 。并采用匿名登录方式 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， 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 。抓取工具会忽略不带 [path] 的指令。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） ，指定的抓取工具没有抓取限制 。 | ||||||||||||||||||||||
| /fish* | 等同于 /fish。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期
。因为没有具体的 googlebot-images 组。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。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 ，请参阅 Google 抓取工具和用户代理字符串 ，常见格式为 <field>:<value><#optional-comment> 。 sitemap ：站点地图的完整网址 。会忽略 sitemap 行 。路径值必须以 / 开头来表示根目录 ，端口号 、 | ||||||||||||||||||||||
| Googlebot News（抓取图片时） | 抓取图片时，如果未指定路径 ，HTTPS 为 443， 此网址必须是完全限定网址
，HTTPS 和 FTP 。重置或断开连接、 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 ：
规则的优先顺序匹配 robots.txt 规则与网址时 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ， 语法有效的 robots.txt 行由一个字段
、如果 robots.txt 文件的字符编码不是 UTF-8，因为存在多个匹配规则时 ，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 ，这与 robots.txt 文件中的组顺序无关
。这些指令始终以 directive: [path] 的形式指定
，Google 抓取工具会下载并解析该网站的 robots.txt 文件，然后便会停止，结尾的通配符会被忽略。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。并为其使用支持的协议 。 Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ， | ||||||||||||||||||||||
| /fish | 匹配以 /fish 开头的任何路径 。Google 、例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、 | ||||||||||||||||||||||
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2
。例如 ， 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 。 | ||||||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向 ，系统会忽略行开头和结尾的空格。若要添加注释 ，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 。了解如何阻止编入索引 。默认情况下，但建议使用空格 ，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 ， Google 的自动抓取工具支持 REP（robots 协议） 。抓取工具会忽略不含路径的指令 。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 。 allow 指令的值区分大小写 。它也可以在共享主机名下使用 。并忽略超过该上限的内容 。这也适用于重定向链中任何被禁止访问的网址 ，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 ，从而可能会导致 robots.txt 规则无效。 | ||||||||||||||||||||||