394
禁止搜索引擎收錄的方法
1. 什麼是robots.txt文件?
搜索引擎使用spider程序自動訪問互聯網上的網頁並獲取網頁信息。spider在訪問一個網站時，會首先會檢查該網站的根域下是否有一個叫做 robots.txt的純文本文件，這個文件用於指定spider在您網站上的抓取範圍。您可以在您的網站中創建一個robots.txt，在文件中聲明 該網站中不想被搜索引擎收錄的部分或者指定搜索引擎隻收錄特定的部分。
請注意，僅當您的網站包含不希望被搜索引擎收錄的內容時，才需要使用robots.txt文件。如果您希望搜索引擎收錄網站上所有內容，請勿建立robots.txt文件。
robots.txt文件應該放置在網站根目錄下。舉例來說，當spider訪問一個網站（比如 https://www.abc.com）時，首先會檢查該網站中是否存在https://www.abc.com/robots.txt這個文件，如果 Spider找到這個文件，它就會根據這個文件的內容，來確定它訪問權限的範圍。
| 網站 URL | 相應的 robots.txt的 URL |
| https://www.w3.org/ | https://www.w3.org/robots.txt |
| https://www.w3.org:80/ | https://www.w3.org:80/robots.txt |
| https://www.w3.org:1234/ | https://www.w3.org:1234/robots.txt |
| https://w3.org/ | https://w3.org/robots.txt |
3. 我在robots.txt中設置了禁止百度收錄我網站的內容，為何還出現在百度搜索結果中？
如果其他網站鏈接了您robots.txt文件中設置的禁止收錄的網頁，那麼這些網頁仍然可能會出現在百度的搜索結果中，但您的網頁上的內容不會被抓取、建入索引和顯示，百度搜索結果中展示的僅是其他網站對您相關網頁的描述。
4. 禁止搜索引擎跟蹤網頁的鏈接，而隻對網頁建索引
如果您不想搜索引擎追蹤此網頁上的鏈接，且不傳遞鏈接的權重，請將此元標記置入網頁的<HEAD> 部分：
<meta name="robots" content="nofollow">
如果您不想百度追蹤某一條特定鏈接，百度還支持更精確的控製，請將此標記直接寫在某條鏈接上：
<a href="signin.php" rel="nofollow">signin</a>
要允許其他搜索引擎跟蹤，但僅防止百度跟蹤您網頁的鏈接，請將此元標記置入網頁的<HEAD> 部分：
<meta name="Baiduspider" content="nofollow">
5. 禁止搜索引擎在搜索結果中顯示網頁快照，而隻對網頁建索引
要防止所有搜索引擎顯示您網站的快照，請將此元標記置入網頁的<HEAD>部分：
<meta name="robots" content="noarchive">
要允許其他搜索引擎顯示快照，但僅防止百度顯示，請使用以下標記：
<meta name="Baiduspider" content="noarchive">
注：此標記隻是禁止百度顯示該網頁的快照，百度會繼續為網頁建索引，並在搜索結果中顯示網頁摘要。
6. 我想禁止百度圖片搜索收錄某些圖片，該如何設置？
禁止Baiduspider抓取網站上所有圖片、禁止或允許Baiduspider抓取網站上的某種特定格式的圖片文件可以通過設置robots實現，請參考“robots.txt文件用法舉例”中的例10、11、12。
7. robots.txt文件的格式
"robots.txt"文件包含一條或更多的記錄，這些記錄通過空行分開（以CR,CR/NL, or NL作為結束符），每一條記錄的格式如下所示：
"<field>:<optional space><value><optionalspace>"
在該文件中可以使用#進行注解，具體使用方法和UNIX中的慣例一樣。該文件中的記錄通常以一行或多行User-agent開始，後麵加上若幹Disallow和Allow行,詳細情況如下：
User-agent:
該項的值用於描述搜索引擎robot的名字。在"robots.txt"文件中，如果有多條User-agent記錄說明有多個robot會受 到"robots.txt"的限製，對該文件來說，至少要有一條User-agent記錄。如果該項的值設為*，則對任何robot均有效， 在"robots.txt"文件中，"User-agent:*"這樣的記錄隻能有一條。如果在"robots.txt"文件中，加入"User- agent:SomeBot"和若幹Disallow、Allow行，那麼名為"SomeBot"隻受到"User-agent:SomeBot"後麵的 Disallow和Allow行的限製。
Disallow:
該項的值用於描述不希望被訪問的一組URL，這個值可以是一條完整的路徑，也可以是路徑的非空前綴，以Disallow項的值開頭的URL不會被 robot訪問。例如"Disallow:/help"禁止robot訪問/help.html、/helpabc.html、/help /index.html，而"Disallow:/help/"則允許robot訪問/help.html、/helpabc.html，不能訪問 /help/index.html。"Disallow:"說明允許robot訪問該網站的所有url，在"/robots.txt"文件中，至少要有一條Disallow記錄。如果"/robots.txt"不存在或者為空文件，則對於所有的搜索引擎robot，該網站都是開放的。
Allow:
該項的值用於描述希望被訪問的一組URL，與Disallow項相似，這個值可以是一條完整的路徑，也可以是路徑的前綴，以Allow項的值開頭 的URL 是允許robot訪問的。例如"Allow:/hibaidu"允許robot訪問/hibaidu.htm、/hibaiducom.html、 /hibaidu/com.html。一個網站的所有URL默認是Allow的，所以Allow通常與Disallow搭配使用，實現允許訪問一部分網頁同時禁止訪問其它所有URL的功能。
使用"*"and"$"：
Baiduspider支持使用通配符"*"和"$"來模煳匹配url。
"$" 匹配行結束符。
"*" 匹配0或多個任意字符。
注：我們會嚴格遵守robots的相關協議，請注意區分您不想被抓取或收錄的目錄的大小寫，我們會對robots中所寫的文件和您不想被抓取和收錄的目錄做精確匹配，否則robots協議無法生效。
8. URL匹配舉例
| Allow或Disallow的值 | URL | 匹配結果 |
| /tmp | /tmp | yes |
| /tmp | /tmp.html | yes |
| /tmp | /tmp/a.html | yes |
| /tmp | /tmphoho | no |
| /Hello* | /Hello.html | yes |
| /He*lo | /Hello,lolo | yes |
| /Heap*lo | /Hello,lolo | no |
| html$ | /tmpa.html | yes |
| /a.html$ | /a.html | yes |
| htm$ | /a.html | no |
9. robots.txt文件用法舉例
| 例1. 禁止所有搜索引擎訪問網站的任何部分 下載該robots.txt文件 | User-agent: * Disallow: / |
| 例2. 允許所有的robot訪問 (或者也可以建一個空文件 "/robots.txt") | User-agent: * Allow: / |
| 例3. 僅禁止Baiduspider訪問您的網站 | User-agent: Baiduspider Disallow: / |
| 例4. 僅允許Baiduspider訪問您的網站 | User-agent: Baiduspider Allow: / User-agent: * Disallow: / |
| 例5. 僅允許Baiduspider以及Googlebot訪問 | User-agent: Baiduspider |
| 例6. 禁止spider訪問特定目錄 在這個例子中，該網站有三個目錄對搜索引擎的訪問做了限製，即robot不會訪問這三個目錄。需要注意的是對每一個目錄必須分開聲明，而不能寫成 "Disallow: /cgi-bin/ /tmp/"。 | 最後更新：2013-07-20 21:07:22 上一篇： |