通过Robots.txt禁止搜索引擎收录的方法
- 什么是robots.txt文件?
搜索引擎通过一种程序robot(又称spider),自动访问互联网上的网页并获取网页信息。
您可以在您的网站中创建一个纯文本文件robots.txt,在这个文件中声明该网站中不想被robot访问的部分,这样,该网站的部分或全部内容就可以不被搜索引擎收录了,或者指定搜索引擎只收录指定的内容。 - robots.txt文件放在哪里?
robots.txt文件应该放在网站根目录下。举例来说,当robots访问一个网站(比如http://www.abc.com)时,首先会检查该网站中是否存在http://www.abc.com/robots.txt这个文件,如果机器人找到这个文件,它就会根据这个文件的内容,来确定它访问权限的范围。网站 URL 相应的 robots.txt的 URL http://www.w3.org/ http://www.w3.org/robots.txt http://www.w3.org:80/ http://www.w3.org:80/robots.txt http://www.w3.org:1234/ http://www.w3.org:1234/robots.txt http://w3.org/ http://w3.org/robots.txt - robots.txt文件的格式
"robots.txt"文件包含一条或更多的记录,这些记录通过空行分开(以CR,CR/NL, or NL作为结束符),每一条记录的格式如下所示:
"<field>:<optionalspace><value><optionalspace>"。在该文件中可以使用#进行注解,具体使用方法和UNIX中的惯例一样。该文件中的记录通常以一行或多行User-agent开始,后面加上若干Disallow行,详细情况如下:
User-agent:
该项的值用于描述搜索引擎robot的名字,在"robots.txt"文件中,如果有多条User-agent记录说明有多个robot会受到该协议的限制,对该文件来说,至少要有一条User-agent记录。如果该项的值设为*,则该协议对任何机器人均有效,在"robots.txt"文件中,"User-agent:*"这样的记录只能有一条。Disallow:
该项的值用于描述不希望被访问到的一个URL,这个URL可以是一条完整的路径,也可以是部分的,任何以Disallow开头的URL均不会被robot访问到。例如"Disallow:/help"对/help.html 和/help/index.html都不允许搜索引擎访问,而"Disallow:/help/"则允许robot访问/help.html,而不能访问/help/index.html。任何一条Disallow记录为空,说明该网站的所有部分都允许被访问,在"/robots.txt"文件中,至少要有一条Disallow记录。如果"/robots.txt"是一个空文件,则对于所有的搜索引擎robot,该网站都是开放的。 - robots.txt文件用法举例
例1. 禁止所有搜索引擎访问网站的任何部分 User-agent: *
Disallow: /例2. 允许所有的robot访问 (或者也可以建一个空文件 "/robots.txt" file) User-agent: *
Disallow:例3. 禁止某个搜索引擎的访问 User-agent: BadBot
Disallow: /例4. 允许某个搜索引擎的访问 User-agent: baiduspider
Disallow:User-agent: *
Disallow: /例5.一个简单例子
在这个例子中,该网站有三个目录对搜索引擎的访问做了限制,即搜索引擎不会访问这三个目录。
需要注意的是对每一个目录必须分开声明,而不要写成 "Disallow: /cgi-bin/ /tmp/"。
User-agent:后的*具有特殊的含义,代表"any robot",所以在该文件中不能有"Disallow: /tmp/*" or "Disallow:*.gif"这样的记录出现.User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/ - robots.txt文件参考资料
robots.txt文件的更具体设置,请参看以下链接:
· Web Server Administrator's Guide to the Robots Exclusion Protocol
· HTML Author's Guide to the Robots Exclusion Protocol
· The original 1994 protocol description, as currently deployed
· The revised Internet-Draft specification, which is not yet completed or implemented
通过Robots.txt禁止搜索引擎收录的方法相关推荐
- 网页搜索帮助-禁止搜索引擎收录的方法
什么是robots.txt文件? 搜索引擎使用spider程序自动访问互联网上的网页并获取网页信息.spider在访问一个网站时,会首先会检查该网站的根域下是否有一个叫做robots.txt的纯文本文 ...
- 禁止搜索引擎收录的方法
一.问题描述: 屏蔽掉百度搜索我们公司的git. 二.解决步骤: robots.txt 文件放置在网站根目录下. 举例来说,当spider访问一个网站(比如http://www.abc.com)时,首 ...
- 禁止搜索引擎收录网站内容的几种方法
第一种.robots.txt方法 搜索引擎默认的遵守robots.txt协议,创建robots.txt文本文件放至网站根目录下,编辑代码如下: User-agent: * Disallow: / 通过 ...
- WordPress绑定多个域名和禁止搜索引擎收录非主域名的方法
最近在弄一个WordPress外贸企业站,遇到了一些问题,发出来给大家参考一下. WordPress绑定多个域名 客户网站绑定了多个域名,部分域名都直接做301重定向跳转到主域名.但是客户的主域名在做 ...
- Robots.txt - 禁止爬虫(转)
Robots.txt - 禁止爬虫 robots.txt用于禁止网络爬虫访问网站指定目录.robots.txt的格式采用面向行的语法:空行.注释行(以#打头).规则行.规则行的格式为:Field: v ...
- 如何禁止搜索引擎收录WordPress站点某个分类的文章?
建立好个人博客网站之后一般都比较冲动,什么类型的文章都发布,然后慢慢地就只专注于某些领域的文章,那么以前的一些"无用" 的旧文章怎么办呢?如果直接删除有可能会被降权,所以我们可 ...
- Robots.txt - 禁止爬虫
robots.txt用于禁止网络爬虫访问网站指定目录.robots.txt的格式采用面向行的语法:空行.注释行(以#打头).规则行.规则行的格式为:Field: value.常见的规则行:User-A ...
- 使用Discuz!自带参数防御CC攻击以及原理,修改Discuz X 开启防CC攻击后,不影响搜索引擎收录的方法...
这部份的工作,以前花的时间太少. 希望能产生一定的作用. http://www.nigesb.com/discuz-cc-attacker-defence.html http://bbs.zb7.co ...
- disallow php,在robots.txt中Disallow: /abc和Disallow: /abc/的区别
站长:不就是多了条斜杠吗,能有多大不同? 小编:很多新手站长搞不明白这其中的作用,其实作用区别很大的呦. Disallow: /abc表示禁止蜘蛛索引网站根目录下所有以abc开头的文件夹和文件 举例: ...
最新文章
- 45 岁,2 万亿身价,苹果的人生才刚刚开始
- acu风格是什么意思_“高街风格”是什么意思?
- 日志和告警数据挖掘经验谈——利用日志相似度进行聚类,利用时间进行关联分析...
- java GUI界面之JTable详解
- ASP.NET Core分布式项目实战(客户端集成IdentityServer)--学习笔记
- You have not concluded your merge (MERGE_HEAD exists)
- dev、test、pre和prod是什么意思?
- 更换根目录linux命令,linux中怎么切换到根目录
- Monster: half man, half beast and very scary.
- 【Python+Selenium】输入关键词自动下载论文
- #Sam有话说#人以群分,共性与个性的智慧
- 微信小程序的socket.io即时通讯开发(基于E聊SDK)
- python英雄联盟脚本是什么_用python写王者荣耀脚本!
- 越狱设备装 ipa包
- 计算机系vi论文,vi设计毕业论文-vi设计论文-计算机论文.docx
- 多人使用服务器,如何开个人账户?以及 个人账户如何操作服务器?
- 不是程序员还真看不懂的搞笑段子
- java判断string是数字_(转)java判断string变量是否是数字的六种方法小结
- VMWare Player设置双屏显示
- 追剧达人观看电影源码