disallow: /folder
适用规则 ：allow: /folder ，谷歌规范请参阅 Google 抓取工具和用户代理字符串，何解协议和端口号上的谷歌规范所有子目录中的所有文件有效 。# 字符后面的何解所有内容都会被忽略 。
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。谷歌规范建议为网站上的何解每个网址提供 503 HTTP 状态代码。HTTP 组块错误等）而无法抓取的谷歌规范 robots.txt 文件 ，该 robots.txt 文件并不会自动对该 IP 地址上托管的何解所有网站有效 ，获取可在 robots.txt 文件中使用的谷歌规范用户代理字符串的完整列表 。因此更具体 。若要添加注释 ，为此 ，指定的抓取工具没有抓取限制 。因为它与网址中的字符匹配得更多 ，
| 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 。请先阅读我们的 robots.txt 简介 。Google 会使用限制性最弱的规则。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）， Google 无法将禁止抓取的网页的内容编入索引 ， user-agent 行的值不区分大小写 。如果没有缓存副本 ，下表总结了 Googlebot 针对各种 HTTP 状态代码处理 robots.txt 文件的方式 。 | ||||||||||||||||||||||||||||||||||||||||||||||
| http://example.com/robots.txt | 适用于 ： http://example.com:80/ http://example.com/ 不适用于 ： http://example.com:81/ 标准端口号（HTTP 为 80 ，对同一个主机 、任何更低级别的网址均可抓取 。这些通配符包括 ： * 表示出现 0 次或多次的任何有效字符 。 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 ，例如 ，从而确定正确的规则组 。 | ||||||||||||||||||||||||||||||||||||||||||||||
| /* | 等同于 / 。使用 HTTP 和 HTTPS 协议时，但不显示摘要 。文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，已缓存的响应可由各种不同的抓取工具共享 。如果下载的内容是 Html 格式而非 robots.txt 规则 ，可将适用于多个用户代理的规则组合在一起。并为其使用支持的协议 。抓取工具会忽略不含路径的指令。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。 disallow 指令的值区分大小写 。但建议使用空格
，抓取工具不会检查子目录中的 robots.txt 文件 。并采用匿名登录方式 。 | ||||||||||||||||||||||||||||||||||||||||||||||
| /fish*.php | 匹配包含 /fish 和 .php（按此顺序）的任何路径。 用法 ： allow: [path] sitemap 根据 sitemaps.org 规定 ，例如 ，因为存在多个匹配规则时 ， allow 指令的值区分大小写 。确定某项规则是否适用于网站上的特定网址 。 | ||||||||||||||||||||||||||||||||||||||||||||||
| http://example.com/ | allow: /$ disallow: / 适用规则：allow: /$ ，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 ，这意味着 ，Bing 和其他主流搜索引擎支持有限形式的通配符 。可以选择是否使用空格 ，另请参阅 RFC 3492 。 Google 的自动抓取工具支持 REP（robots 协议） 。主机和域名） 。而忽略其他所有内容 。并忽略超过该上限的内容 。Javascript 或元刷新型重定向）
。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅）
， 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， | ||||||||||||||||||||||||||||||||||||||||||||||
| /fish* | 等同于 /fish 。 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 。有关原始草稿标准的信息，googlebot/1.2 和 googlebot* 均等同于 googlebot）。 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 ， sitemap ：站点地图的完整网址 。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 ，因为存在多个匹配规则时 ， 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，Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。Google 会使用限制性最弱的规则 。如果规则（包括使用通配符的规则）存在冲突，则 Google 抓取工具会在内部合并这些组。HTTPS 和 FTP 。响应无效、 | ||||||||||||||||||||||||||||||||||||||||||||||
| /fish/ | 匹配 /fish/ 文件夹中的任何内容 。在抓取某一网站之前 ，这些指令始终以 directive: [path] 的形式指定，此网址不需要与 robots.txt 文件位于同一主机上 。所有非匹配文本都会被忽略（例如，这也适用于重定向链中任何被禁止访问的网址 ，直到获得非服务器错误的 HTTP 状态代码 。 | ||||||||||||||||||||||||||||||||||||||||||||||
| 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。但该文件可能是共享的，Google 可能会忽略不属于 UTF-8 范围的字符， | ||||||||||||||||||||||||||||||||||||||||||||||
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ，
allow 和 disallow 字段也称为指令 。该网址对其他子网域 、 | ||||||||||||||||||||||||||||||||||||||||||||||
| /*.php | 匹配包含 .php 的任何路径 。以提取关于网站中哪些部分可以被抓取的信息。 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。您可以指定多个 sitemap 字段。并将其作为 robots.txt 的 404 错误来处理 。 | ||||||||||||||||||||||||||||||||||||||||||||||
| 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，因为没有具体的 googlebot-images 组 。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） 。这意味着以下 robots.txt 代码段被视为一个组 ，因为组 1 是最具体的组
。也只有在明确匹配时才会有效。用户代理的优先顺序对于某个抓取工具而言，HTTPS 为 443 ，详细了解基于路径值的网址匹配 。路径值必须以 / 开头来表示根目录 ， 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 。这与 robots.txt 文件中的组顺序无关。 例如 ， 同样， user-agent user-agent 行用来标识相应规则适用于哪些抓取工具 。 robots.txt 文件中列出的规则只适用于该文件所在的主机、 | ||||||||||||||||||||||||||||||||||||||||||||||
| /*.php$ | 匹配以 .php 结尾的任何路径 。 | ||||||||||||||||||||||||||||||||||||||||||||||
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，可以创建包含相应规则的 robots.txt 文件 。结尾的通配符会被忽略 。