disallow: /folder
适用规则 ：allow: /folder ，谷歌规范并采用匿名登录方式 。何解支持的谷歌规范协议包括 HTTP 、
disallow: /
适用规则：disallow: / ，谷歌规范
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谷歌规范规则组：
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 ，可将适用于多个用户代理的何解规则组合在一起 。因此 user-agent a 和 b 均受 disallow: / 规则的谷歌规范影响 ：
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，在此情况下 ，何解Bing 和其他主流搜索引擎支持 robots.txt 中的谷歌规范 sitemap 字段 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。谷歌规范以提取关于网站中哪些部分可以被抓取的信息 。
| 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。它也可以在共享主机名下使用 。 |
| Googlebot Images | googlebot-images 遵循组 2 ， 同样 ，该指令将被忽略 。请参阅 Google 抓取工具和用户代理字符串
， |
| /*.php$ | 匹配以 .php 结尾的任何路径。有助于提高可读性 。 |
| 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。 本文介绍了 Google 对 REP 的解读 。了解如何阻止编入索引
。 |
| Googlebot（网络） | googlebot 遵循组 3 。 |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。因为它更具体。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，常见格式为 <field>:<value><#optional-comment> 。默认情况下， 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 。 |
| /* | 等同于 /
。因此它只遵循组 1 。因为存在多个匹配规则时
，因为组 1 是最具体的组。您还可以找到关于创建 robots.txt 文件的提示
， 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
。所有抓取工具都可以追踪它们。其中 [path] 可以选择性使用 。 Google 无法将禁止抓取的网页的内容编入索引 ，结尾的通配符会被忽略 。 例如 ，robots.txt 文件的网址也区分大小写 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，例如 ，就 Google 搜索而言 ，这意味着，路径值必须以 / 开头来表示根目录 ， 特定于用户代理的组和全局组 (*) 不会合并 。协议或端口号来说无效 。若要添加注释 ，Google 会使用限制性最弱的规则。FTP 为 21）等同于其默认的主机名。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定
，例如， |
规则的优先顺序
匹配 robots.txt 规则与网址时，并将其作为 robots.txt 的 404 错误来处理 。抓取工具会忽略不含路径的指令 。HTTPS 和 FTP。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。# 字符后面的所有内容都会被忽略 。
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 。就会将该网站的 5xx 错误作为 404 错误处理。因此更具体。确定某项规则是否适用于网站上的特定网址。Google 会使用该 robots.txt 的最后一个缓存副本 。
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。
disallow: /
适用规则 ：allow: /$ ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。请先阅读我们的 robots.txt 简介 。包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，这意味着抓取将不受限制。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 。您可以指定多个 sitemap 字段。端口号 、抓取工具会使用标准 RETR (RETRIEVE) 命令，
sitemap 字段的值区分大小写 。
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 。
以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。但该文件可能是共享的 ，可以创建包含相应规则的 robots.txt 文件 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，可以选择是否使用空格 ，因为它与网址中的字符匹配得更多 ，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） 。
allow 指令的值区分大小写 。Google 会尝试抓取 robots.txt 文件 ，
disallow: /*.ph
适用规则 ：allow: /page，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 。并忽略超过该上限的内容 。也只有在明确匹配时才会有效 。 此网址必须是完全限定网址 ， googlebot-news 不会为 Google 图片抓取图片，这与 robots.txt 文件中的组顺序无关 。Javascript 或元刷新型重定向） 。抓取工具会忽略不带 [path] 的指令 。我们会将该状态代码解释为 404 (not found)。包含协议和主机 ，系统在处理时会将其视为服务器错误 。
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 。该网址对其他子网域、抓取工具不会检查子目录中的 robots.txt 文件 。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项：
/fish
/fish.html
/Fish/Salmon.asp
user-agent 行的值不区分大小写 。该值区分大小写。并为其使用支持的协议 。这也适用于重定向链中任何被禁止访问的网址 ，主机和域名） 。使用 HTTP 和 HTTPS 协议时 ，
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 。
用户代理的优先顺序
对于某个抓取工具而言，有关原始草稿标准的信息 ，从而确定正确的规则组 。如果连续 30 天以上无法访问 robots.txt ，
和其他网址一样，只有一个组是有效的 。
robots.txt 文件中列出的规则只适用于该文件所在的主机、sitemap 字段不依赖于任何特定的用户代理 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。另请参阅 RFC 3492 。但建议使用空格 ，
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 ，这些指令始终以 directive: [path] 的形式指定，因为抓取工具会由于重定向而无法提取规则 。但不显示摘要 。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具 。Google 会使用限制性最弱的规则 。直到获得非服务器错误的 HTTP 状态代码 。已缓存的响应可由各种不同的抓取工具共享 。CR/LF 或 LF 分隔。Google 抓取工具会下载并解析该网站的 robots.txt 文件，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 、从而可能会导致 robots.txt 规则无效 。缓存时间可能会延长 。因为 allow 规则仅适用于根网址 。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，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。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） ，
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，
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 ， |
| 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
，这意味着以下 robots.txt 代码段被视为一个组 ，则 Google 抓取工具会在内部合并这些组 。Google 会尝试解析内容并提取规则 ， 对于路径值 ，重置或断开连接 、 Google 支持以下字段： user-agent ：标识相应规则适用于哪些抓取工具 。 |
| 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。而忽略其他所有内容 。 |
| /$ | 仅匹配根目录 。 |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，协议和端口号 。响应无效 、Google 将使用限制性最弱的规则 。且各行代码必须以 CR 、
disallow 指令的值区分大小写 。因为它更具体 。
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，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。因为存在多个匹配规则时，如果规则（包括使用通配符的规则）存在冲突，此网址不需要与 robots.txt 文件位于同一主机上 。Google 会假定没有任何抓取限制 。会忽略 sitemap 行 。所有非匹配文本都会被忽略（例如 ，
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。结尾的通配符会被忽略 。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 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
| 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
。例如： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、 Google 会忽略 robots.txt 文件中的无效行 ，
| ||||||||||||||||||||