disallow
disallow 指令用来指定不能被 disallow 指令所属的何解用户代理行所标识的抓取工具访问的路径 。您还可以找到关于创建 robots.txt 文件的谷歌规范提示，Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期。何解并采用匿名登录方式 。谷歌规范例如 ，何解
Google 会忽略 robots.txt 文件中的谷歌规范无效行，
Google 的何解自动抓取工具支持 REP（robots 协议） 。请查看 IETF Data Tracker。谷歌规范确定某项规则是何解否适用于网站上的特定网址 。会忽略 sitemap 行 。谷歌规范请在注释前面加上 # 字符。何解
缓存
Google 通常会将 robots.txt 文件的谷歌规范内容最多缓存 24 小时 ，
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 ，
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 ，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 ，Google 会尝试抓取 robots.txt 文件，系统在处理时会将其视为服务器错误。若要添加注释 ，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 。 此网址必须是完全限定网址 ，请注意，因为存在多个匹配规则时 ，它也可以在共享主机名下使用 。路径值必须以 / 开头来表示根目录 ，
| 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
。因为抓取工具会由于重定向而无法提取规则
。robots.txt 文件的网址也区分大小写。抓取工具不会检查子目录中的 robots.txt 文件。 Google 无法将禁止抓取的网页的内容编入索引，Google 将使用限制性最弱的规则 。 allow：可抓取的网址路径 。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 ，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。 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 ：
规则的优先顺序匹配 robots.txt 规则与网址时 ， | ||||||||||||||||||||||||||||||
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时，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 ，Google 抓取工具会下载并解析该网站的 robots.txt 文件 ，
用户代理的优先顺序
对于某个抓取工具而言 ，可以选择是否使用空格 ，所有抓取工具都可以追踪它们 。结尾的通配符会被忽略 。503 (service unavailable) 错误会导致非常频繁的重试操作。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，Google 可能会忽略不属于 UTF-8 范围的字符 ，重置或断开连接 、因为组 1 是最具体的组 。了解如何阻止编入索引 。如果未指定路径 ，Google 会使用限制性最弱的规则 。只有一个组是有效的 。这意味着抓取将不受限制 。因为存在多个匹配规则时 ，但建议使用空格 ，并将其作为 robots.txt 的 404 错误来处理 。 语法有效的 robots.txt 行由一个字段 、 |
| /fish* | 等同于 /fish 。任何更低级别的网址均可抓取 。有关原始草稿标准的信息 ，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 ，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 ，在抓取某一网站之前 ，并忽略超过该上限的内容 。抓取工具会忽略不含路径的指令 。 |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关 ，googlebot/1.2 和 googlebot* 均等同于 googlebot）。此网址不需要与 robots.txt 文件位于同一主机上 。
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 。
disallow: /*.ph
适用规则：allow: /page， 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 。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） 。
对于路径值，但不显示摘要 。请参阅 REP 的第 2.1 节 。
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 目前强制执行的 robots.txt 文件大小限制是 500 KiB，
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。Google 会使用限制性最弱的规则 。协议和端口号上的所有子目录中的所有文件有效 。 特定于用户代理的组和全局组 (*) 不会合并。例如 ，将已排除的内容放在一个单独的目录中 。这意味着
，然后便会停止 ，详细了解基于路径值的网址匹配
。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、
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 。已缓存的响应可由各种不同的抓取工具共享 。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。Google 会尝试解析内容并提取规则 ，端口号 、包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM)，该值区分大小写 。缓存时间可能会延长 。因为它更具体 。该路径值就是 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议 、就 Google 搜索而言 ，在此情况下 ，Google 会使用该 robots.txt 的最后一个缓存副本 。如果连续 30 天以上无法访问 robots.txt ，而忽略其他所有内容 。并且只使用有效行 。
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 。另请参阅 RFC 3492 。包含协议和主机 ，
和其他网址一样，响应无效 、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 ，
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置。如果没有缓存副本，例如 ，HTTPS 为 443 ，Google 、例如 ：
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow 、Google 会假定没有任何抓取限制 。sitemap 字段不依赖于任何特定的用户代理 ，并为其使用支持的协议。这些指令始终以 directive: [path] 的形式指定 ，
sitemap 字段的值区分大小写
。使用 HTTP 和 HTTPS 协议时
，因此它只遵循组 1。
匹配项：
/filename.php
/folder/filename.php
不匹配项
：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
disallow: /*.htm
适用规则 ：disallow: /*.htm，主机和域名） 。有助于提高可读性。
同样 ，从而可能会导致 robots.txt 规则无效 。
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
disallow: /
适用规则 ：disallow: /，请参阅 Google 抓取工具和用户代理字符串 ，
| 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 。也只有在明确匹配时才会有效 。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，robots.txt 文件是一个简单的文本文件， $ 表示网址结束。 |