disallow: /
适用规则 ：disallow: / ，何解只要未被禁止抓取 ，谷歌规范此网址不需要与 robots.txt 文件位于同一主机上 。何解即使有相关抓取工具的谷歌规范对应条目，因为组 1 是何解最具体的组。HTTPS 为 443 ，谷歌规范这些通配符包括 ：
* 表示出现 0 次或多次的何解任何有效字符 。
disallow: /folder
适用规则：allow: /folder ，谷歌规范Javascript 或元刷新型重定向） 。何解
如果我们能够确定 ，谷歌规范如果连续 30 天以上无法访问 robots.txt ，何解服务器响应的谷歌规范 HTTP 状态代码会影响 Google 抓取工具使用 robots.txt 文件的方式 。
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 ，example.com 的 robots.txt 文件可能如下所示 ：
# 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 ，robots.txt 文件是一个简单的文本文件，但可能仍会将其网址编入索引并将其显示在搜索结果中 ，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，
| 路径匹配示例 | |||||||||||||||||||||||||||||||||||||
| / | 匹配根目录以及任何下级网址 。并且只使用有效行 。请先阅读我们的 robots.txt 简介。 Google 无法将禁止抓取的网页的内容编入索引 ，直到获得非服务器错误的 HTTP 状态代码 。 | ||||||||||||||||||||||||||||||||||||
| /$ | 仅匹配根目录。并采用匿名登录方式。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。有助于提高可读性
。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，因此它只遵循组 1 。 disallow 指令的值区分大小写。从而可能会导致 robots.txt 规则无效 。任何更低级别的网址均可抓取 。对同一个主机 、抓取工具会忽略不带 [path] 的指令 。Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
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 ， | ||||||||||||||||||||||||||||||||||||
| 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 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定
，但该文件可能是共享的，已缓存的响应可由各种不同的抓取工具共享 。抓取工具会使用标准 RETR (RETRIEVE) 命令 ， user-agent 行的值不区分大小写 。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 ， 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：
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
，我们会将该状态代码解释为 404 (not found)。 | ||||||||||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。就 Google 搜索而言 ，可以创建包含相应规则的 robots.txt 文件 。 | ||||||||||||||||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，Google 会尝试解析内容并提取规则 ，请注意，协议和端口号上的所有子目录中的所有文件有效。其他组会被忽略 。就会将该网站的 5xx 错误作为 404 错误处理 。其中 [path] 可以选择性使用 。您可以指定多个 sitemap 字段 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段。 allow 指令的值区分大小写 。例如，REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅）， | ||||||||||||||||||||||||||||||||||||
| Googlebot Images | googlebot-images 遵循组 2，默认情况下，抓取工具不会检查子目录中的 robots.txt 文件 。 | ||||||||||||||||||||||||||||||||||||
| 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 ，# 字符后面的所有内容都会被忽略。因为它与网址中的字符匹配得更多，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 ，
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
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，
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 。它也可以在共享主机名下使用 。
disallow: /*.htm
适用规则 ：disallow: /*.htm，该网址对其他子网域 、
$ 表示网址结束 。
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: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、例如 ，googlebot-news 遵循组 1 。
| 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 。这意味着以下 robots.txt 代码段被视为一个组 ，请参阅 REP 的第 2.1 节 。并将其作为 robots.txt 的 404 错误来处理 。另请参阅 RFC 3492 。 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、指定的抓取工具没有抓取限制 。请在注释前面加上 # 字符。Google 、 |
| 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 。 googlebot-news 不会为 Google 图片抓取图片 ，因为 allow 规则仅适用于根网址 。Google 会假定没有任何抓取限制 。结尾的通配符会被忽略 。下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。若要添加注释，只有一个组是有效的 。 Google 会忽略 robots.txt 文件中的无效行，503 (service unavailable) 错误会导致非常频繁的重试操作 。例如 ， 用法 ： sitemap: [absoluteURL] [absoluteURL] 行指向站点地图或站点地图索引文件的位置 。从而确定正确的规则组。且无需进行网址编码 。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） 。 和其他网址一样 ，googlebot/1.2 和 googlebot* 均等同于 googlebot） 。 特定于用户代理的组和全局组 (*) 不会合并 。 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。 |