感谢你的到来
一起学习进步

巧用robots.txt语法不让百度收录一些指定页面或者文件

我们在优化的时候有时不想让搜索引擎收录一些动态或者静态化不完全的页面,那么就要用到这个了:robots.txt语法其实很简单,robots.txt是一个最简单的.txt文件,用以告诉搜索引擎哪些网页可以收录,哪些不允许收录。先为大家介绍robots.txt语法基础知识,然后再提供几个经常要用到的robots.txt语法例子给朋友们参考。

先来看看robots.txt语法规则
最简单的 robots.txt 语法使用两条规则:
User-Agent: 后面为搜索机器人的名称,后面如果是*,则泛指所有的搜索机器人
Disallow: 限制搜索引擎不能访问网站中的哪些部分,Disallow后可以写目录名,文件扩展名,特定的程序文件结构。

然后是robots.txt语法示例
让所有机器人访问所有文件(通配符”*”表示所有的意思)

拦截所有的机器人访问网站
User-agent: *
Disallow: /

如果想禁止所有机器人访问特定目录:
User-agent: *
Disallow: /public/
Disallow: /images/
Disallow: /temp/
Disallow: /include/

如果想禁止特定搜索引擎蜘蛛访问特定目录(这里我们以百度蜘蛛为例说明)
User-agent: Baiduspider
Disallow: /test/
上面的robots.txt语法示例的意思是禁止百度蜘蛛爬行根目录下的test目录

以下是仅禁止Baiduspider抓取.jpg格式图片的robots.txt语法
User-agent: Baiduspider
Disallow: .jpg$

大家在学习robots.txt语法时,可能会感到纳闷的是:有那么多搜索引擎,那我不是要知道所有搜索引擎蜘蛛的名字。并不是这样的,我们只要知道常见的搜索引擎名字就可以了。下面就带大家来认识几大个搜索引擎蜘蛛名称。

1. Google爬虫名称: Googlebot

2. 百度(Baidu)爬虫名称:Baiduspider

3. 雅虎(Yahoo)爬虫名称:Yahoo Slurp

4. 有道(Yodao)蜘蛛名称:YodaoBot

5. 搜狗(sogou)蜘蛛名称:sogou spider

6. MSN的蜘蛛名称(微软最新搜索引擎Bing蜘蛛名也是这个):Msnbot



赞(0) 打赏
未经允许不得转载:IT起义 » 巧用robots.txt语法不让百度收录一些指定页面或者文件
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

跨境电商|抖音营销

微信:345497590QQ 345497590

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏