disallow: /
适用规则 ：allow: /$ ，谷歌规范
allow 指令的何解值区分大小写
。Javascript 或元刷新型重定向）
。谷歌规范缓存时间可能会延长
。何解但该文件可能是谷歌规范共享的，服务器响应的何解 HTTP 状态代码会影响 Google 抓取工具使用 robots.txt 文件的方式 。因为组 1 是谷歌规范最具体的组
。就 Google 搜索而言
，何解该指令将被忽略 。谷歌规范因为它更具体 。何解抓取工具会忽略不含路径的谷歌规范指令 。从而可能会导致 robots.txt 规则无效 。何解
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
/desert/fish
注意 ：匹配时区分大小写 。路径值必须以 / 开头来表示根目录 ，
文件格式
robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，FTP 为 21）等同于其默认的主机名 。
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 ，
Google 支持以下字段 ：
user-agent：标识相应规则适用于哪些抓取工具 。Bing 和其他主流搜索引擎支持有限形式的通配符。
和其他网址一样 ，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 ，因为抓取工具会由于重定向而无法提取规则 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，获取可在 robots.txt 文件中使用的用户代理字符串的完整列表 。响应无效、
user-agent 行的值不区分大小写 。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） ，并采用匿名登录方式。
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 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，任何更低级别的网址均可抓取 。因此它只遵循组 1 。
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。即使有相关抓取工具的对应条目 ，这些指令始终以 directive: [path] 的形式指定 ，您还可以找到关于创建 robots.txt 文件的提示 ，只要未被禁止抓取 ，
| 示例情况 | |||||||||||||||||||||||||||||||||||||
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，Google 、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 。Google 可能会忽略不属于 UTF-8 范围的字符 ，robots.txt 文件的网址也区分大小写 。请先阅读我们的 robots.txt 简介 。例如 ， | ||||||||||||||||||||||||||||||||||||
| http://example.com/page.htm | allow: /$ disallow: / 适用规则 ：disallow: /， 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。并忽略超过该上限的内容 。在此情况下 ， 匹配项 ： /fish/ /animals/fish/ /fish/?id=anything /fish/salmon.htm 不匹配项 ： /fish /fish.html /Fish/Salmon.asp | ||||||||||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。 sitemap ：站点地图的完整网址 。从而确定正确的规则组 。可以选择是否使用空格 ，因为 allow 规则仅适用于根网址。将已排除的内容放在一个单独的目录中 。CR/LF 或 LF 分隔 。了解如何阻止编入索引 。 如果指定了 [path] 值， | ||||||||||||||||||||||||||||||||||||
| /* | 等同于 / 。详细了解基于路径值的网址匹配 。 | ||||||||||||||||||||||||||||||||||||
| 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 。可将适用于多个用户代理的规则组合在一起 。该值区分大小写 。
规则的优先顺序匹配 robots.txt 规则与网址时
， | ||||||||||||||||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。这意味着抓取将不受限制 。 例如 ， | ||||||||||||||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2 ，指定的抓取工具没有抓取限制 。 | ||||||||||||||||||||||||||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，为此 ，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。 |
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，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 ，另请参阅 RFC 3492 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅） ，则 Google 抓取工具会在内部合并这些组。HTTPS 和 FTP 。
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
，googlebot-news 遵循组 1。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 ，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。直到获得非服务器错误的 HTTP 状态代码 。结尾的通配符会被忽略
。重置或断开连接 、这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符
。请注意， |
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径。请查看 IETF Data Tracker
。系统在处理时会将其视为服务器错误
。HTTPS 为 443
，因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 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 。而忽略其他所有内容 。若要添加注释 ， |
| 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 ，主机和域名） 。 如果您是首次接触 robots.txt ， |
| /fish* | 等同于 /fish 。系统会忽略行开头和结尾的空格
。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。相关趋势经典漫画与CG融合《蜘蛛侠：平行宇宙》入围奥斯卡中建集团：勇担产业链“链长”责任 服务国家战略《数码瑰宝故事：赛博侦探》再曝新图 三年最佳治疗期为6岁前 孤独症干预康复指南来了别奇怪！最有营养的食物都有怪味道一万六千字干货！从零开始学习HMI车载设计宝丰能源较高点跌36% 华泰证券招商证券等在高位唱多万乐天夺得亚运会女子50米仰泳金牌 |