Loading... <!-- wp:paragraph --> <p>使用Wordpress搭建的博客,利用robots.txt文件限制搜索引擎抓取部分目录及文件,归纳大致有以下几种方法。</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>robots.txt 是存放在站点根目录下的一个纯文本文件。虽然它的设置很简单,但是作用却很强大。它可以指定搜索引擎蜘蛛只抓取指定的内容,或者是禁止搜索引擎蜘蛛抓取网站的部分或全部内容。</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p><strong>使用方法:</strong></p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>robots.txt 文件应该放在网站根目录下,并且该文件是可以通过互联网进行访问的。<br>例如:如果您的网站地址是 https://tylcc-1257286696.file.myqcloud.com/那么,该文件必须能够通过 https://tylcc-1257286696.file.myqcloud.com//robots.txt 打开并看到里面的内容。</p> <!-- /wp:paragraph --> <!-- wp:image --> <figure class="wp-block-image"><img src="https://s2.ax1x.com/2019/08/08/eowkkR.jpg" alt=""style=""></figure> <!-- /wp:image --> <!-- wp:heading {"level":4} --> <h4>一.最简单开放的写法</h4> <!-- /wp:heading --> <!-- wp:paragraph --> <p>抓取不做任何限制,一般博客这样写就可以了</p> <!-- /wp:paragraph --> <!-- wp:code --> <pre class="wp-block-code"><code>User-agent: * Disallow:</code></pre> <!-- /wp:code --> <!-- wp:paragraph --> <p> 允许所有蜘蛛访问,允许访问所有内容。Wordpress只要模板中链接设计合理,没有需要限制的特殊内容,推荐使用这种写法。 </p> <!-- /wp:paragraph --> <!-- wp:heading {"level":4} --> <h4>二.最简单的严格写法</h4> <!-- /wp:heading --> <!-- wp:code --> <pre class="wp-block-code"><code>User-agent: * Disallow: /wp-* #Allow: /wp-content/uploads/ Disallow: /*.php$ Disallow: /*.inc$ Disallow: /*.js$ Disallow: /*.css$ Disallow: /?s=</code></pre> <!-- /wp:code --> <!-- wp:paragraph --> <p>允许所有蜘蛛访问,限制以“wp-”开头的目录及文件,限制抓取.php文件、.inc文件、.js文件、.css文件,限制抓取搜索结果。</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>Disallow: /wp-* 会连同附件目录一起限制抓取,如果想让搜索引擎抓取附件中的内容,将第三行的 # 号注释去掉。Allow 不是所有搜索引擎都支持。</p> <!-- /wp:paragraph --> <!-- wp:heading {"level":4} --> <h4>三.最合理的写法</h4> <!-- /wp:heading --> <!-- wp:code --> <pre class="wp-block-code"><code>User-agent: * Disallow: /wp-admin Disallow: /wp-content/plugins Disallow: /wp-content/themes Disallow: /wp-includes Disallow: /?s= Sitemap: https://tylcc-1257286696.file.myqcloud.com/sitemap.xml</code></pre> <!-- /wp:code --> <!-- wp:paragraph --> <p>允许所有搜索引擎抓取,逐一列举需要限制的目录,限制抓取搜索结果。</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>包含sitemap.xml地址(这一项viki中有专门的说明,但Google管理员工具会提示‘检测到无效的 Sitemap 引用’,有效性尚有争议)。</p> <!-- /wp:paragraph --> <!-- wp:heading {"level":4} --> <h4>四.robots.txt其他写法</h4> <!-- /wp:heading --> <!-- wp:paragraph --> <p> 为避免在搜索引擎中出现重复页面,Wordpress玩家自创了很多robots写法,列举一些常用的,作为参考(适用于伪静态方式的永久链接): </p> <!-- /wp:paragraph --> <!-- wp:preformatted --> <pre class="wp-block-preformatted">Disallow: /page/ #限制抓取Wordpress分页 Disallow: /category/*/page/* #限制抓取分类的分页 Disallow: /tag/ #限制抓取标签页面 Disallow: */trackback/ #限制抓取Trackback内容 Disallow: /category/* #限制抓取所有分类列表 </pre> <!-- /wp:preformatted --> <!-- wp:heading {"level":4} --> <h4>五.robots.txt标签简介</h4> <!-- /wp:heading --> <!-- wp:paragraph --> <p><strong>User-agent:</strong></p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>用于描述搜索引擎蜘蛛的名字,在" Robots.txt "文件中,如果有多条User-agent记录说明有多个搜索引擎蜘蛛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*,则该协议对任何搜索引擎蜘蛛均有效,在" Robots.txt "文件中,"User-agent:*"这样的记录只能有一条。</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p><strong>Disallow:</strong></p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>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。</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p><em>举例:</em></p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p><em>例一:</em>"Disallow:/help"是指/help.html 和/help/index.html都不允许搜索引擎蜘蛛抓取。</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p><em>例二:</em>"Disallow:/help/"是指允许搜索引擎蜘蛛抓取/help.html,而不能抓取/help/index.html。</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p><em>例三:</em>Disallow记录为空说明该网站的所有页面都允许被搜索引擎抓取,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蜘蛛,该网站都是开放的可以被抓取的。</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>#:Robots.txt 协议中的注释符。</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p><strong>综合例子 :</strong></p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p><em>例一:</em>通过"/robots.txt"禁止所有搜索引擎蜘蛛抓取"/bin/cgi/"目录,以及 "/tmp/"目录和 /foo.html 文件,设置方法如下:</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>User-agent: *</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>Disallow: /bin/cgi/</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>Disallow: /tmp/</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>Disallow: /foo.html</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p><em>例二:</em>通过"/robots.txt"只允许某个搜索引擎抓取,而禁止其他的搜索引擎抓取。如:只允许名为"slurp"的搜索引擎蜘蛛抓取,而拒绝其他的搜索引擎蜘蛛抓取 "/cgi/" 目录下的内容,设置方法如下:</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>User-agent: *</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>Disallow: /cgi/</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>User-agent: slurp</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>Disallow:</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p><em>例三:</em>禁止任何搜索引擎抓取我的网站,设置方法如下:</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>User-agent: *</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>Disallow: /</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>例<em>四:</em>只禁止某个搜索引擎抓取我的网站如:只禁止名为“slurp”的搜索引擎蜘蛛抓取,设置方法如下:</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>User-agent: slurp</p> <!-- /wp:paragraph --> <!-- wp:paragraph --> <p>Disallow: /</p> <!-- /wp:paragraph --> 文章正文结束 最后修改:2022 年 04 月 10 日 © 允许规范转载 打赏 赞赏作者 支付宝微信 赞 0 承蒙厚爱,不胜感激!
1 条评论
文章不错交个朋友
简单一句话,我们是伙伴。