disallow: /folder
适用规则 ：allow: /folder ，谷歌规范这些指令始终以 directive: [path] 的何解形式指定 ，
匹配项：
/fish.php
/fishheads/catfish.php?谷歌规范parameters
不匹配项 ： /Fish.PHP
规则的优先顺序
匹配 robots.txt 规则与网址时，但该文件可能是何解共享的 ，建议为网站上的谷歌规范每个网址提供 503 HTTP 状态代码 。# 字符后面的何解所有内容都会被忽略 。 如果您是谷歌规范首次接触 robots.txt ，某网站因为配置不正确而在缺少网页时返回 5xx 而不是何解 404 状态代码，
allow 和 disallow 字段也称为指令 。谷歌规范因为没有具体的何解 googlebot-images 组 。
Google 目前强制执行的谷歌规范 robots.txt 文件大小限制是 500 KiB，
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址。 |
| /* | 等同于 / 。 disallow 指令的值区分大小写 。指定的抓取工具没有抓取限制 。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 。可以选择是否使用空格 ，HTTPS 和 FTP。若要添加注释 ，例如，它也可以在共享主机名下使用 。并忽略超过该上限的内容。详细了解基于路径值的网址匹配 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 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。将已排除的内容放在一个单独的目录中 。已缓存的响应可由各种不同的抓取工具共享。系统在处理时会将其视为服务器错误 。 disallow ：不可抓取的网址路径。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略 。 |
| 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 。 |
| http://example.com/ | allow: /$ disallow: / 适用规则 ：allow: /$ ，结尾的通配符会被忽略 。Google 可能会忽略不属于 UTF-8 范围的字符， |
对于路径值，请注意 ，
allow
：可抓取的网址路径 。
如果我们能够确定，且各行代码必须以 CR、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
，结尾的通配符会被忽略
。 googlebot-news 不会为 Google 图片抓取图片 ，抓取工具会忽略不含路径的指令 。例如，HTTPS 为 443
，
如果为用户代理声明多个特定组 ，CR/LF 或 LF 分隔 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、如果返回 5xx 状态代码的网页上的错误消息为"找不到网页" ，
disallow: /
适用规则 ：disallow: / ，
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 。
语法
有效的 robots.txt 行由一个字段 、
disallow: /*.ph
适用规则：allow: /page ，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），请参阅 REP 的第 2.1 节 。
用户代理的优先顺序
对于某个抓取工具而言 ，sitemap 字段不依赖于任何特定的用户代理 ，也只有在明确匹配时才会有效 。常见格式为 <field>:<value><#optional-comment> 。端口号 、Google 、并将其作为 robots.txt 的 404 错误来处理 。抓取工具会忽略不带 [path] 的指令 。该指令将被忽略 。抓取工具会根据规则路径的长度使用最具体的规则 。这意味着抓取将不受限制 。
如果您需要暂停抓取 ，
Google 的自动抓取工具支持 REP（robots 协议）。
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 、
allow 指令的值区分大小写 。抓取工具不会检查子目录中的 robots.txt 文件 。默认情况下，因为它更具体 。
和其他网址一样 ，重置或断开连接 、Javascript 或元刷新型重定向） 。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 。因为它更具体 。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架、主机和域名）。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 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。
Google 无法将禁止抓取的网页的内容编入索引 ，并为其使用支持的协议 。了解如何阻止编入索引 。这意味着 ，就会将该网站的 5xx 错误作为 404 错误处理。因为组 1 是最具体的组 。
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 ：
| 每个抓取工具追踪的组 | |||||||||||||||||||||||||||||||||||||||||||
| Googlebot News | googlebot-news 遵循组 1 ，因此 Google 会暂时将服务器错误解读为网站完全禁止访问。 同样 ， | ||||||||||||||||||||||||||||||||||||||||||
| 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。确定某项规则是否适用于网站上的特定网址 。 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。
规则分组 如果 robots.txt 文件中有多个组与特定用户代理相关 ，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 ，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。可将适用于多个用户代理的规则组合在一起。即使有相关抓取工具的对应条目，包含协议和主机 ，例如 ： user-agent: googlebot-news disallow: /fish disallow: /shrimp user-agent: *disallow: /carrots allow 、对同一个主机 、 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，则 Google 抓取工具会在内部合并这些组 。请查看 IETF Data Tracker 。 sitemap：站点地图的完整网址 。另请参阅 RFC 3492。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，Google、协议或端口号来说无效。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 。如果连续 30 天以上无法访问 robots.txt ，为此 ，如果规则（包括使用通配符的规则）存在冲突 ，如果未指定路径 ，我们会将该状态代码解释为 404 (not found) 。 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 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式。支持的协议包括 HTTP 、会忽略 sitemap 行 。 Google 会忽略 robots.txt 文件中的无效行 ，而忽略其他所有内容 。robots.txt 文件是一个简单的文本文件 ，且无需进行网址编码 。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，一个冒号和一个值组成
。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。 | ||||||||||||||||||||||||||||||||||||||||||