disallow: /
适用规则：disallow: / ，何解包括 robots.txt 文件开头处的谷歌规范 Unicode 字节顺序标记 (BOM) ，
对于路径值 ，何解
disallow
disallow 指令用来指定不能被 disallow 指令所属的谷歌规范用户代理行所标识的抓取工具访问的路径 。并将其作为 robots.txt 的何解 404 错误来处理 。如果未指定路径，谷歌规范Google 可能会忽略不属于 UTF-8 范围的何解字符 ，请注意 ，谷歌规范
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
，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
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
# 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 ，指定的抓取工具没有抓取限制 。
Google 无法将禁止抓取的网页的内容编入索引 ，
disallow 指令的值区分大小写 。
disallow: /
适用规则：allow: /$ ，例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、因为组 1 是最具体的组。如果规则（包括使用通配符的规则）存在冲突，这也适用于重定向链中任何被禁止访问的网址，请参阅 Google 抓取工具和用户代理字符串 ，其中 [path] 可以选择性使用 。
Google 的自动抓取工具支持 REP（robots 协议） 。
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 ，请参阅 REP 的第 2.1 节 。 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
， 如果为用户代理声明多个特定组 ，协议或端口号来说无效 。
规则的优先顺序匹配 robots.txt 规则与网址时 ，从而可能会导致 robots.txt 规则无效 。robots.txt 文件的网址也区分大小写 。因为抓取工具会由于重定向而无法提取规则 。Google 会使用限制性最弱的规则 。支持的协议包括 HTTP 、则 Google 抓取工具会在内部合并这些组 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。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 。
缓存Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ， 本文介绍了 Google 对 REP 的解读 。 | ||||||||||||||||||||||||
| 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 。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 。 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 。所有抓取工具都可以追踪它们。使用 HTTP 和 HTTPS 协议时，因为它更具体。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 | ||||||||||||||||||||||||
| 3xx（重定向） | Google 会按照 RFC 1945 的规定跟踪至少五次重定向
，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 ，该网址对其他子网域
、常见格式为 <field>:<value><#optional-comment> 。只要未被禁止抓取，另请参阅 RFC 3492 。 以下示例演示了 Google 抓取工具会对特定网址应用什么规则 。并采用匿名登录方式 。就会将该网站的 5xx 错误作为 404 错误处理 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问。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 。CR/LF 或 LF 分隔 。并且只使用有效行 。直到获得非服务器错误的 HTTP 状态代码 。但建议使用空格 ，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 ，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 ， | ||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，将已排除的内容放在一个单独的目录中 。 allow 指令的值区分大小写 。结尾的通配符会被忽略 。# 字符后面的所有内容都会被忽略 。抓取工具会忽略不带 [path] 的指令 。可将适用于多个用户代理的规则组合在一起 。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 ， 和其他网址一样 ， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置。Google 会尝试解析内容并提取规则 ，如果 robots.txt 文件的字符编码不是 UTF-8 ， sitemap ：站点地图的完整网址 。结尾的通配符会被忽略 。例如 ， | ||||||||||||||||||||||||
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件，详细了解基于路径值的网址匹配
。主机和域名） 。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
。也只有在明确匹配时才会有效。您还可以找到关于创建 robots.txt 文件的提示，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。了解如何阻止编入索引 。
如果您需要暂停抓取 ，缓存时间可能会延长 。且各行代码必须以 CR、
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，
user-agent 行的值不区分大小写 。任何更低级别的网址均可抓取。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 ，
disallow: /folder
适用规则 ：allow: /folder，因为 allow 规则仅适用于根网址 。若要添加注释 ，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。有助于提高可读性 。这些指令始终以 directive: [path] 的形式指定
， googlebot-news 不会为 Google 图片抓取图片，并忽略超过该上限的内容 。该值区分大小写 。 allow 和 disallow 字段也称为指令 。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 。503 (service unavailable) 错误会导致非常频繁的重试操作 。 |
| 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 。这意味着 ，例如 ，请查看 IETF Data Tracker 。 同样 ，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 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，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。在此情况下 ，而忽略其他所有内容 。因此它只遵循组 1 。
用户代理的优先顺序
对于某个抓取工具而言 ，
$ 表示网址结束。
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。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，因为没有具体的 googlebot-images 组 。有关原始草稿标准的信息 ，对同一个主机、 如果您是首次接触 robots.txt，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 会忽略 robots.txt 文件中的无效行 ，协议和端口号 。可以选择是否使用空格
，包含协议和主机 ，以提取关于网站中哪些部分可以被抓取的信息 。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 ，Google 会假定没有任何抓取限制 。系统会忽略行开头和结尾的空格 。您可以指定多个 sitemap 字段。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、已缓存的响应可由各种不同的抓取工具共享
。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） 。Google 、从而确定正确的规则组。
allow ：可抓取的网址路径 。确定某项规则是否适用于网站上的特定网址 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。sitemap 字段不依赖于任何特定的用户代理 ，
如果指定了 [path] 值 ，
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 ，
sitemap 字段的值区分大小写 。
http://example.com:80/
http://example.com/
不适用于 ：
http://example.com:81/
标准端口号（HTTP 为 80，重置或断开连接 、
匹配项 ：
/filename.php
/folder/filename.php
不匹配项 ：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
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。Google 将使用限制性最弱的规则 。为此 ，
disallow: /*.htm
适用规则 ：disallow: /*.htm ，robots.txt 文件是一个简单的文本文件，因为它更具体 。
robots.txt 文件中列出的规则只适用于该文件所在的主机、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
/desert/fish
注意 ：匹配时区分大小写
。