robots协议
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。
文章源自亦枫博客-https://yflad.cn/546.html
robots.txt文件是一个文本文件,使用任何一个常见的文本编辑器,比如Windows系统自带的Notepad,就可以创建和编辑它[1] 。robots.txt是一个协议,而不是一个命令。robots.txt是搜索引擎中访问网站的时候要查看的第一个文件。robots.txt文件告诉蜘蛛程序在服务器上什么文件是可以被查看的。文章源自亦枫博客-https://yflad.cn/546.html
文章源自亦枫博客-https://yflad.cn/546.html
当一个搜索蜘蛛访问一个站点时,它会首先检查该站点根目录下是否存在robots.txt,如果存在,搜索机器人就会按照该文件中的内容来确定访问的范围;如果该文件不存在,所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。百度官方建议,仅当您的网站包含不希望被搜索引擎收录的内容时,才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容,请勿建立robots.txt文件。文章源自亦枫博客-https://yflad.cn/546.html
文章源自亦枫博客-https://yflad.cn/546.html
如果将网站视为酒店里的一个房间,robots.txt就是主人在房间门口悬挂的“请勿打扰”或“欢迎打扫”的提示牌。这个文件告诉来访的搜索引擎哪些房间可以进入和参观,哪些房间因为存放贵重物品,或可能涉及住户及访客的隐私而不对搜索引擎开放。但robots.txt不是命令,也不是防火墙,如同守门人无法阻止窃贼等恶意闯入者。文章源自亦枫博客-https://yflad.cn/546.html
——摘自百度百科文章源自亦枫博客-https://yflad.cn/546.html
文章源自亦枫博客-https://yflad.cn/546.html
WordPress站点默认在浏览器中输入:http://你的域名/robots.txt,会显示如下内容:文章源自亦枫博客-https://yflad.cn/546.html
- User-agent: *
- Disallow: /wp-admin/
- Disallow: /wp-includes/
这是由WordPress自动生成的,意思是告诉搜索引擎不要抓取后台程序文件。文章源自亦枫博客-https://yflad.cn/546.html
文章源自亦枫博客-https://yflad.cn/546.html
如果网站根目录还没有 robots.txt,可以创建一个。复制粘贴下面基本的 WordPress robots协议:文章源自亦枫博客-https://yflad.cn/546.html
- User-agent: *
- Disallow: /wp-admin/
- Disallow: /wp-content/
- Disallow: /wp-includes/
- Disallow: /*/comment-page-*
- Disallow: /*?replytocom=*
- Disallow: /category/*/page/
- Disallow: /tag/*/page/
- Disallow: /*/trackback
- Disallow: /feed
- Disallow: /*/feed
- Disallow: /comments/feed
- Disallow: /?s=*
- Disallow: /*/?s=*\
- Disallow: /*?*
- Disallow: /attachment/
- Sitemap: https://yflad.cn/sitemap.xml
文章源自亦枫博客-https://yflad.cn/546.html
然后传到网站的根目录即可,分别解释一下各项的作用:文章源自亦枫博客-https://yflad.cn/546.html
- Disallow: /wp-admin/、Disallow: /wp-content/和Disallow: /wp-includes/
- //用于告诉搜索引擎不要抓取后台程序文件页面。
- Disallow: /*/comment-page-*和Disallow: /*?replytocom=*
- //禁止搜索引擎抓取评论分页等相关链接。
- Disallow: /category/*/page/和Disallow: /tag/*/page/
- //禁止搜索引擎抓取收录分类和标签的分页。
- Disallow: /*/trackback
- //禁止搜索引擎抓取收录trackback等垃圾信息
- Disallow: /feed、Disallow: /*/feed和Disallow: /comments/feed
- //禁止搜索引擎抓取收录feed链接,feed只用于订阅本站,与搜索引擎无关。
- Disallow: /?s=*和Disallow: /*/?s=*\
- //禁止搜索引擎抓取站内搜索结果
- Disallow: /*?*
- //禁止搜索抓取动态页面
- Disallow: /attachment/
- //禁止搜索引擎抓取附件页面,比如毫无意义的图片附件页面。
- Sitemap: https://yflad.cn/sitemap.xml
- //在robots.txt文件里面标注一下自己的sitemap的地址
文章源自亦枫博客-https://yflad.cn/546.html
文章源自亦枫博客-https://yflad.cn/546.html
6月11号更文章源自亦枫博客-https://yflad.cn/546.html
最近发现如果禁止整个/wp-content/不太好友,所以改成如下:文章源自亦枫博客-https://yflad.cn/546.html
- User-agent: *
- Disallow: /wp-admin/
- Disallow: /wp-content/plugins/
- Disallow: /wp-content/themes/
- Disallow: /wp-includes/
文章源自亦枫博客-https://yflad.cn/546.html
PS:当然我想,对于流氓应该是没有效果吧!呵呵,网上方法有很多,就看你用不用了文章源自亦枫博客-https://yflad.cn/546.html