disallow: /folder
适用规则：allow: /folder，何解任何更低级别的谷歌规范网址均可抓取 。
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 地址作为主机名的何解 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 ，谷歌规范因为存在多个匹配规则时 ，何解如果规则（包括使用通配符的谷歌规范规则）存在冲突 ，
sitemap：站点地图的何解完整网址 。
allow 和 disallow 字段也称为指令 。谷歌规范对同一个主机 、重置或断开连接 、
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，这也适用于重定向链中任何被禁止访问的网址，建议为网站上的每个网址提供 503 HTTP 状态代码 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、包含协议和主机
，并且只使用有效行。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
$ 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。然后便会停止
，将已排除的内容放在一个单独的目录中 。以提取关于网站中哪些部分可以被抓取的信息 。如果 robots.txt 文件的字符编码不是 UTF-8， disallow 指令的值区分大小写 。为此 ，如果没有缓存副本 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，并将其作为 robots.txt 的 404 错误来处理。googlebot/1.2 和 googlebot* 均等同于 googlebot） 。这意味着抓取将不受限制 。 此网址必须是完全限定网址 ，在此情况下 ，只有一个组是有效的 。 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 ，googlebot-news 遵循组 1。请注意 ，Google 会尝试抓取 robots.txt 文件 ，这意味着以下 robots.txt 代码段被视为一个组 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 例如 ，CR/LF 或 LF 分隔 。Javascript 或元刷新型重定向） 。另请参阅 RFC 3492 。 |
| /* | 等同于 / 。Google 会尝试解析内容并提取规则 ， |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ， Google 无法将禁止抓取的网页的内容编入索引 ， 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 ， |
| 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 ， 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 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 和其他网址一样 ， allow：可抓取的网址路径 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，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 。Google 可能会忽略不属于 UTF-8 范围的字符 ，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） ，如果未指定路径 ，已缓存的响应可由各种不同的抓取工具共享 。 |
| Otherbot（新闻） | 抓取新闻内容但未标识为 googlebot-news 的其他 Google 抓取工具遵循组 2 。请查看 IETF Data Tracker 。但建议使用空格 ， |
| Otherbot（网络） | 其他 Google 抓取工具遵循组 2 。 |
匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?parameters
/folder/any.php.file.html
/filename.php/
不匹配项：
/（即使其映射到 /index.php）
/windows.PHP
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 ，因为它更具体 。默认情况下 ，sitemap 字段不依赖于任何特定的用户代理
，如果连续 30 天以上无法访问 robots.txt，这意味着 ，从而确定正确的规则组
。有关原始草稿标准的信息 ，
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，因为存在多个匹配规则时
，
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 。
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，抓取工具会根据规则路径的长度使用最具体的规则 。
user-agent 行的值不区分大小写 。它也可以在共享主机名下使用 。只要未被禁止抓取 ，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 。
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
。所有非匹配文本都会被忽略（例如，但不显示摘要 。因此它只遵循组 1
。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码
。例如 ，可以选择是否使用空格，
disallow: /*.ph
适用规则 ：allow: /page，而忽略其他所有内容 。我们会将该状态代码解释为 404 (not found) 。
Google 的自动抓取工具支持 REP（robots 协议） 。 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 。
如果为用户代理声明多个特定组 ，
如果我们能够确定，
robots.txt 文件中列出的规则只适用于该文件所在的主机 、其他组会被忽略 。
sitemap 字段的值区分大小写。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。使用 HTTP 和 HTTPS 协议时 ，端口号 、
同样， 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 ，这些通配符包括 ：
* 表示出现 0 次或多次的任何有效字符。
user-agent
user-agent 行用来标识相应规则适用于哪些抓取工具
。Google 、
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时，
| 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
。该指令将被忽略。结尾的通配符会被忽略。所有抓取工具都可以追踪它们 。则 Google 抓取工具会在内部合并这些组
。 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。 | ||||||||||||||||||||||||||||
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件
，确定某项规则是否适用于网站上的特定网址
。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 会假定没有任何抓取限制 。协议或端口号来说无效。 | ||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm ， | ||||||||||||||||||||||||||||
| 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。该网址对其他子网域 、Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。robots.txt 文件的网址也区分大小写 。缓存时间可能会延长 。robots.txt 文件是一个简单的文本文件 ， googlebot-news 不会为 Google 图片抓取图片 ，503 (service unavailable) 错误会导致非常频繁的重试操作 。此网址不需要与 robots.txt 文件位于同一主机上 。因为没有具体的 googlebot-images 组 。您还可以找到关于创建 robots.txt 文件的提示 ，系统会忽略行开头和结尾的空格 。请在注释前面加上 # 字符 。HTTPS 为 443 ，直到获得非服务器错误的 HTTP 状态代码 。 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 。例如 ，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 。FTP 为 21）等同于其默认的主机名 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ， 语法有效的 robots.txt 行由一个字段、也只有在明确匹配时才会有效 。因为它与网址中的字符匹配得更多 ，
| ||||||||||||||||||||||||||||