当前位置:首页 > 运营类 > 运营管理 > 禁止抓取机制robots.txt设置方法及注意事项

禁止抓取机制robots.txt设置方法及注意事项

微信用户3年前 (2022-03-14)运营管理2265

  今天我们主要学习一下robots.txt文件的使用和设置方法。

一、认识robots.txt文件 从网站优化和网站安全的方面来说,我们的站点并不是每一个页面都需要用户访问,这就好比即使再好的朋友来到了您的家里,您也不会将家里所有的东西都展示给朋友看。那么怎么控制搜索引擎蜘蛛抓取网站的范围呢?这就是我们今天要讲的主角——robots.txt文件。 robots.txt文件是搜索引擎来到网站之后访问的第一文件,robots.txt文件中设置了搜索引擎的抓取范围。


二、robots.txt文件设置要求 1、robots.txt文件必须放置在网站根目录; 2、robots.txt文件名必须小写。 根据上面两点提示我们查看到绝大部分网站的robots.txt文件,如果出现无法访问的现象,最大可能就是网站根目录中没有此文件。


三、robots.txt文件规则解读 robots.txt的书写格式为:<域>:<可选空格><域值><可选空格> 常见的robots.txt指令为: User-agent: * Disallow: / 此指令代表禁止所有的搜索引擎抓取网站的任何部分。此指令常用于站点不想被搜索引擎收录或者建站初期,当网站结构没有建设完成的时候,我们是不希望搜索引擎抓取网站任何内容的。

1、User-agent: 用于指定某个搜索引擎蜘蛛,如果使用通配符*代表所有的搜索引擎蜘蛛,如: User-agent: Baiduspider指的是指定百度蜘蛛; User-agent: Googlebot 指的是指定谷歌蜘蛛。

2、Disallow: / 代表着禁止抓取网站的某些内容,如“/”后面没有任何参数代表禁止抓取网站所有内容。我们来学习一下参数后面分别代表的含义: Disallow: /admin/ 禁止抓取admin目录下的所有内容; Disallow: /cgi-bin/*.htm 禁止抓取/cgi-bin目录下的所有以.htm结尾的文件; Disallow: /*?* 禁止抓取网站中所有包含问号 (?) 的网址; Disallow:/ab/adc.html 禁止抓取ab文件夹下面的adc.html文件; 在这里重点强调一点,Disallow指令有一个比较特殊的地方,Disallow: /代表着禁止抓取,但是Disallow: 代表着允许抓取,如: User-agent: * Disallow: 此指令代表允许所有的搜索引擎抓取网站的任何内容。

3、Allow:/ 该指令用于允许蜘蛛抓取某些文件。Allow:/指令后面的参数与Disallow指令相同,如: User-agent: * Disallow: /a/ Allow: /a/b/ 该指令的含义是不允许蜘蛛抓取a目录下的其他目录和文件,但是可以抓取a目录下的b目录中的内容。

4、$通配符,代表着以某个字符结尾的URL。 User-agent: * Disallow: /.jpg$ 此指令的含义是禁止所有搜索引擎抓取所有.jpg文件。 $指令在效果上有些地方和*是相同的,$指令常见于动态网址,互联网中应用不是特别广泛。 Disallow: /.jpg$ 等同于 Disallow: /*.jpg

5、Sitemap:告诉蜘蛛XML网站地图的位置,格式为: Sitemap:http://你的域名/sitemap.xml 主流的搜索引擎都会遵守robots文件指令,但是被robots文件禁止抓取的网址还会出现在搜索引擎结果中,这就好比你虽然不告诉我发生了什么事,但是我从别人那里知道了你的事情一样。只要禁止被抓取的网址在互联网中存在导入链接,搜索引擎就会知道这个网址的存在,有可能被搜索引擎收录,但是搜索结果标题下方会出现对应的提示: 由于该网站的tobots.txt文件存在限制指令(限制搜索引擎抓取),系统无法提供该页面的内容。    

免责声明
    本网站在国家相关法律法规规定的范围内,只按现有状况提供文章发布第三方网络平台服务,本网站及其所有者非交易一方,也非交易任何一方之代理人或代表;同时,本网站及其所有者也未授权任何人代表或代理本网站及其所有者从事任何网络交易行为或做出任何承诺、保证或其他类似行为,除非有明确的书面授权。
    鉴于互联网的特殊性,本网站无法鉴别和判断相关交易各主体之民事权利和行为能力、资质、信用等状况,也无法鉴别和判断虚拟交易或正在交易或已交易之虚拟物品来源、权属、真伪、性能、规格、质量、数量等权利属性、自然属性及其他各种状况。因此,交易各方在交易前应加以仔细辨明,并慎重考虑和评估交易可能产生的各项风险。

扫描二维码推送至手机访问。

版权声明:本文由点度点度金讯时代-BLOG发布,如需转载请注明出处。

本文链接:https://www.lmwmm.com/post/304.html

分享给朋友:

“禁止抓取机制robots.txt设置方法及注意事项” 的相关文章

教你打造个人IP/品牌,成就大咖段位!

教你打造个人IP/品牌,成就大咖段位!

思考了一百,八十个项目,没有一个适合自己的。然而,有些项目,任何时代都很赚钱,就是打造个人ip! 古代如名医,现代是各种得流量者,他们的变现可不是赚个万八千的小数字。 干货警告!打造IP怎么玩?本文长达3800多字。 最简单的个人...

作为一个即将走上新媒体的人如何学习新媒体运营

作为一个即将走上新媒体的人如何学习新媒体运营

初学者如何学习新媒体运营?不例外,我也是零基础转行新媒体运营的一员。作为白色的我,当时也面临着如何学习新媒体的运营新媒体的运营应该怎样得到等一系列问题。 跳槽期间,利用3个月的时间学习运营知识,找到了8K+的工作。半年来,成为部门主管,50...

教你几个转化私域流量的方法

教你几个转化私域流量的方法

: >>    : >>    大家都说私域流量好,都在思考如何将公域流量转化为私域流量,也希望通过私域流量获得更多的收益,所以问题来了,私域流量该如何进行转化呢?下面一起来看看私域转化...

小红书推广如何布局关键词

小红书推广如何布局关键词

小红书成为年轻女性心中的百度之后,小红书推广成为越来越多品牌投放首选,运用小红书数据平台能帮助品牌了解平台前端更多的数据维度,如品牌主关注的小红书关键词热度,从而进行品牌运营优化,提高投放互动转化。 一分钟了解小红书关键词热度 随着夏季的到...

新站秒排技术7天上首页独家揭秘!

新站秒排技术7天上首页独家揭秘!

前段时间投稿了一篇关于老域名优化SEO排名的文章,不少的朋友都来咨询我这个新站快速排名到底是如何操作和进行的。有人知道了老域名的价值,但是并不知道老域名为什么会有这么大的效果。当然很多朋友也在想这个老域名该如何去寻找,一般情况下都是采用一些...