使用robots.txt控制搜索引擎抓取
搜索引擎数据库中的所有网页,都是由Robot程序自动抓取收录的。但我们网站上总会有部分私密性数据不希望被搜索引擎抓取,这时候,就需要robots.txt。
robots.txt 是一个标准文档,意在阻止搜索引擎的Spider(蜘蛛)从您的 Web 服务器下载某些或全部信息,控制Spider的搜索范围。robots.txt的设置很简单,只要用记事本或其他文本编辑器,依照自己的网站需求,设定一 系列选项,然后将其上传到网站根目录即可。robots.txt的设置如下:
如设定所有的spider都能够搜索及抓取整个网站。
如拒绝Google搜索及抓取整个网站,但允许其它的
如拒绝所有的Spider
如拒绝所有的Spider搜索及抓取protect目录及SEO目录下abc.html文件
如拒绝google搜索及抓取protect目录及SEO目录下abc.html文件,但允许其他的
很简单吧?另有一点请记住,搜索引擎不会立即对robots.txt 文件所作的更改作出反应,必须等到搜索引擎下一次读取该文件。这段时间,依搜索引擎及具体网站情况,从几小时到几天不等。
你好,我有一个关于robots.txt的问题,希望得到解答。 我想禁止所有的robot访问我网站根目录的go.php文件,一般这些文件是 go.php?q=…,这个文件的作用是根据q=的参数,从我的网站转到其他网站去。 我的robots.txt文件是如下所写: User-agent: * Disallow: /go.php 我的这个文件是建站之时就存在的,是Windows下的文本文件。但是只有yahoo搜索引擎没有收录go.php,Google和MSN都收录和很多go.php?q=…的文件。按照道理来说,这些大的搜索引擎都会完全遵守robots.txt文件。 我在另一个网站下将此文件设置成了UNIX格式,但是依然如此,连yahoo也收录了一些这样的文件。 究竟什么原因造成的,我苦思不解。
老实说,对于这个问题,本人以前未遇到过,不过,有这么几种解决思路: 1、使用通配符,类似如下的方式: User-agent: Googlebot Disallow: go.php*? 这种方式,至少对Google可行(Google支持通配符),其他搜索引擎是否支持则不得而知。 2、将go.php放入单独的子目录,如“/go/”,然后: Disallow: /go/ 这样应该能禁止收录该文件及动态产生的页面。(个人臆想,未经过测试) 3、更稳妥的办法,类似这样的情况干么非得让robots.txt实现,直接在go.php中使用Meta Tag不是更简单么? 在Head部分加入: 其中的“nofollow”视情况决定是否加入
?相关知识点:html? (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |