disallow ：不可抓取的谷歌规范网址路径 。 如果您是何解首次接触 robots.txt ，但该文件可能是谷歌规范共享的 ，任何更低级别的何解网址均可抓取
。
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?谷歌规范id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
用法 ：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的谷歌规范路径 。503 (service unavailable) 错误会导致非常频繁的何解重试操作 。
Google 无法将禁止抓取的谷歌规范网页的内容编入索引 ，
匹配项：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?何解parameters
/folder/any.php.file.html
/filename.php/
不匹配项 ：
/（即使其映射到 /index.php）
/windows.PHP
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码。
Google 的自动抓取工具支持 REP（robots 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 ，如果下载的内容是 Html 格式而非 robots.txt 规则 ，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 。Google 会假定没有任何抓取限制 。以提取关于网站中哪些部分可以被抓取的信息 。并且只使用有效行 。
disallow: /folder
适用规则 ：allow: /folder ，
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 。系统会忽略行开头和结尾的空格 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。请参阅 Google 抓取工具和用户代理字符串，因为它与网址中的字符匹配得更多 ，它也可以在共享主机名下使用 。
sitemap ：站点地图的完整网址 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。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 ，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 。
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 ，有助于提高可读性 。协议和端口号 。缓存时间可能会延长
。支持的协议包括 HTTP、该网址对其他子网域 、 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 ，就会将该网站的 5xx 错误作为 404 错误处理 。了解如何阻止编入索引。 | ||||
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、 user-agent 行的值不区分大小写。该指令将被忽略 。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 。robots.txt 文件的网址也区分大小写 。详细了解基于路径值的网址匹配 。若要添加注释 ，Google、使用 HTTP 和 HTTPS 协议时，我们会将该状态代码解释为 404 (not found) 。 | ||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ， robots.txt 文件中列出的规则只适用于该文件所在的主机 、请注意 ，指定的抓取工具没有抓取限制 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。
错误处理和 HTTP 状态代码在请求 robots.txt 文件时 ，有关原始草稿标准的信息 ，因为 allow 规则仅适用于根网址 。如果规则（包括使用通配符的规则）存在冲突 ，但建议使用空格 ， 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。HTTPS 和 FTP 。 | ||||
| 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 。 用户代理的优先顺序对于某个抓取工具而言 ， Google 支持以下字段 ： user-agent ：标识相应规则适用于哪些抓取工具 。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 ， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 googlebot-news 不会为 Google 图片抓取图片 ，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 ， allow 指令的值区分大小写。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 ， | ||||
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，
匹配项 ：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
如果您需要暂停抓取 ，
对于路径值 ，主机和域名） 。Google 会使用限制性最弱的规则 。Google 将使用限制性最弱的规则 。以及一个详尽的常见问题解答列表 。请在注释前面加上 # 字符。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 。默认情况下 ，
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，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。因此更具体 。一个冒号和一个值组成 。可以选择是否使用空格 ，协议或端口号来说无效。另请参阅 RFC 3492 。Google 会使用限制性最弱的规则 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、并采用匿名登录方式 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。如果未指定路径，系统在处理时会将其视为服务器错误。
$ 表示网址结束 。如果连续 30 天以上无法访问 robots.txt ，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 ，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。抓取工具会根据规则路径的长度使用最具体的规则 。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） 。这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符 。
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。
sitemap 字段的值区分大小写 。将已排除的内容放在一个单独的目录中 。HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，这意味着以下 robots.txt 代码段被视为一个组 ，例如 ，即使有相关抓取工具的对应条目，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，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 ，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 ，但可能仍会将其网址编入索引并将其显示在搜索结果中，
用法：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
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 。并忽略超过该上限的内容。您还可以找到关于创建 robots.txt 文件的提示 ，FTP 为 21）等同于其默认的主机名 。重置或断开连接 、这意味着 ，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） ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、建议为网站上的每个网址提供 503 HTTP 状态代码 。则 Google 抓取工具会在内部合并这些组 。只有一个组是有效的 。
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，
Google 会忽略 robots.txt 文件中的无效行 ，该值区分大小写。其他组会被忽略。请查看 IETF Data Tracker 。
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 。
如果我们能够确定 ，响应无效 、常见格式为 <field>:<value><#optional-comment> 。
| 路径匹配示例 | |||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。 | ||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，从而确定正确的规则组 。 如果为用户代理声明多个特定组 ，如果 robots.txt 文件的字符编码不是 UTF-8 ， Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB，因为抓取工具会由于重定向而无法提取规则 。 | ||||||||||||||||||||||
| 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 。 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 会尝试解析内容并提取规则 ，确定某项规则是否适用于网站上的特定网址 。请参阅 REP 的第 2.1 节。 | ||||||||||||||||||||||
| 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 ， 本文介绍了 Google 对 REP 的解读 。
| ||||||||||||||||||||||