主机镇
主机测评网

WordPress教程之通过robots协议屏蔽搜索引擎抓取网站部分内容

文章目录

大家做网站难免有些时候不想让某些搜索引擎抓取某些页面,当然可以在根目录下放robots.txt文件屏蔽搜索引擎或者设置搜索引擎可以抓取文件范围以及规则。Robots协议(也称为爬虫协议、机器人协议等)的全称是“网络爬虫排除标准”(Robots Exclusion Protocol),网站通过Robots协议告诉搜索引擎哪些页面可以抓取,哪些页面不能抓取。

一、Robots协议写法说明

  • User-agent: 这里的代表的所有的搜索引擎种类,*是一个通配符;
  • Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录;
  • Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录;
  • Disallow: /ABC/ 这里定义是禁止爬寻ABC目录下面的目录;
  • Disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/目录下的所有以”.htm”为后缀的URL(包含子目录);
  • Disallow: /? 禁止访问网站中所有包含问号 (?) 的网址;
  • Disallow: /.jpg$ 禁止抓取网页所有的.jpg格式的图片;
  • Disallow: /ab/adc.html 禁止爬取ab文件夹下面的adc.html文件;
  • Allow: /cgi-bin/ 这里定义是允许爬寻cgi-bin目录下面的目录;
  • Allow: /tmp 这里定义是允许爬寻tmp的整个目录;
  • Allow: .htm$ 仅允许访问以”.htm”为后缀的URL;
  • Allow: .gif$ 允许抓取网页和gif格式图片;
  • Sitemap: 网站地图地址 告诉爬虫这个页面是网站地图;

二、Robots协议举例

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”)

User-agent: *
Allow: /

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
Allow:/

三、本站使用的Robots协议

User-agent: *
Disallow: /wp-*/
Disallow: /*?connect=*
Disallow: /date/*
Disallow: /kod/*
Disallow: /api/*
Disallow: /*/trackback
Disallow: /*.js$
Disallow: /*.css$
Disallow:/*?replytocom*
Disallow: /comments/
Disallow: /*/comments/
Disallow: /feed/*
Disallow: /*/*/feed/*
Disallow: /*/*/*/feed/*
Disallow:/articles/*
Disallow:/shuoshuo/*
Sitemap: https://www.zhujizhen.com/sitemap.xml
    赞(0) 打赏
    声明:
    1、本博客不从事任何主机及服务器租赁业务,不参与任何交易,也绝非中介。博客内容仅记录博主个人感兴趣的服务器测评结果及一些服务器相关的优惠活动,信息均摘自网络或来自服务商主动提供;所以对本博客提及的内容不作直接、间接、法定、约定的保证,博客内容也不具备任何参考价值及引导作用,访问者需自行甄别。

    2、访问本博客请务必遵守有关互联网的相关法律、规定与规则;不能利用本博客所提及的内容从事任何违法、违规操作;否则造成的一切后果由访问者自行承担。

    3、未成年人及不能独立承担法律责任的个人及群体请勿访问本博客。

    4、一旦您访问本博客,即表示您已经知晓并接受了以上声明通告。

    文章名称:《WordPress教程之通过robots协议屏蔽搜索引擎抓取网站部分内容》
    文章链接:https://www.zhujizhen.com/488.html

    评论 抢沙发

    • 昵称 (必填)
    • 邮箱 (必填)
    • 网址

    打赏作者,增加更新动力

    非常感谢你的打赏,我们将继续给力更多优质内容,让我们一起创建更加美好的网络世界!

    支付宝扫一扫打赏

    微信扫一扫打赏