wordpress如何设置robots.txt

2018年4月24日10:25:13 发表评论 阅读(4,038)
本文最后更新于2018年6月2日,已超过一年没有更新,如果文章内容或图片资源失效,请留言反馈,我们会及时处理,谢谢!
摘要

搜索引擎蜘蛛在爬取网站的时候,会首先访问robots.txt,robots.txt 是存放在站点根目录下的一个纯文本文件。虽然它的设置很简单,但是作用却很强大。它可以指定搜索引擎蜘蛛只抓取指定的内容,或者是禁止搜索引擎蜘蛛抓取网站的部分或全部内容。

默认的robots.txt是这样的,在浏览器输入http://你的域名/robots.txt:

  1. User-agent:*
  2. Disallow:/wp-admin/
  3. allow:/wp-admin/admin-ajax.php

格式:

User-agent:

用于描述搜索引擎蜘蛛的名字,在" Robots.txt "文件中,如果有多条User-agent记录说明有多个搜索引擎蜘蛛会受到该协议的限制,对该文件来说,至少要有一条User-agent记录。如果该项的值设为*,则该协议对任何搜索引擎蜘蛛均有效,在" Robots.txt "文件中,"User-agent:*"这样的记录只能有一条。

Disallow:

用于描述不希望被访问到的一个URL,这个URL可以是一条完整的路径,也可以是部分的,任何以Disallow开头的URL均不会被Robot访问到。

举例:

例一:"Disallow:/help"是指/help.html 和/help/index.html都不允许搜索引擎蜘蛛抓取。

例二:"Disallow:/help/"是指允许搜索引擎蜘蛛抓取/help.html,而不能抓取/help/index.html。

例三:Disallow记录为空说明该网站的所有页面都允许被搜索引擎抓取,在"/robots.txt"文件中,至少要有一条Disallow记录。如果"/robots.txt"是一个空文件,则对于所有的搜索引擎蜘蛛,该网站都是开放的可以被抓取的。

#:Robots.txt 协议中的注释符。

综合例子 :

例一:通过"/robots.txt"禁止所有搜索引擎蜘蛛抓取"/bin/cgi/"目录,以及 "/tmp/"目录和 /foo.html 文件,设置方法如下:

User-agent: *

Disallow: /bin/cgi/

Disallow: /tmp/

Disallow: /foo.html

例二:通过"/robots.txt"只允许某个搜索引擎抓取,而禁止其他的搜索引擎抓取。如:只允许名为"slurp"的搜索引擎蜘蛛抓取,而拒绝其他的搜索引擎蜘蛛抓取 "/cgi/" 目录下的内容,设置方法如下:

User-agent: *

Disallow: /cgi/

User-agent: slurp

Disallow:

例三:禁止任何搜索引擎抓取我的网站,设置方法如下:

User-agent: *

Disallow: /

例四:只禁止某个搜索引擎抓取我的网站如:只禁止名为“slurp”的搜索引擎蜘蛛抓取,设置方法如下:

User-agent: slurp

Disallow: /

 

步骤:新建一个txt文本,放到网站的根目录,设置可以参考下面这个:

  1. User-agent: *
  2. Disallow: /wp-admin/
  3. Disallow: /wp-content/
  4. Disallow: /wp-includes/
  5. Disallow: /trackback/
  6. Disallow: /comments/
  7. Disallow: /attachment/
  8. Disallow: /comments/feed
  9. Disallow: /feed
  10. Disallow: /*/feed
  11. Disallow: /*/comment-page-*
  12. Disallow: /*?replytocom=*
  13. Disallow: /*/trackback
  14. Disallow: /?s=*
  15. Disallow: /*/?s=*\
  16. Disallow: /wp-*.php
  17. Sitemap: https://www.haoht123.com/sitemap.html

 

1)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。

2)Disallow: /*/comment-page-*和 Disallow: /*?replytocom=*
禁止搜索引擎抓取评论分页等相关链接。

3)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。(这一条子凡并未添加到上面演示,因为不同 WordPress 站点可能会有所不同,大家可以根据需要添加)

4)Disallow: /*/trackback 和 Disallow: /trackback/
禁止搜索引擎抓取收录 trackback 等垃圾信息

5)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。

6)Disallow: /?s=*和 Disallow: /*/?s=*\
禁止搜索引擎抓取站内搜索结果

7)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。

8)Disallow: /wp-*.php
禁止搜索引擎抓取 WordPress 网站根目录的以 wp 开头的文件。

9)Sitemap: http://yourdomain.com/sitemap.html
这个就是为了方便搜索引擎利用的网站地图,具体的根据自己网站需要添加。

最后去百度站长平台,进行检测,如下图:

wordpress如何设置robots.txt

扩展,常见搜索引擎蜘蛛:

  1. 百度蜘蛛:Baiduspider
  2. 谷歌蜘蛛:Googlebot
  3. 360蜘蛛:360Spider
  4. SOSO蜘蛛:Sosospider
  5. 雅虎蜘蛛:Yahoo! Slurp China或者Yahoo! Slurp
  6. 有道蜘蛛:YoudaoBot,YodaoBot(两个都有)
  7. 搜狗蜘蛛:Sogou News Spider
  8. MSN蜘蛛:msnbot,msnbot-media
  9. 必应蜘蛛:bingbot
  10. 一搜蜘蛛:YisouSpider
  11. Alexa蜘蛛:ia_archiver
  12. 宜搜蜘蛛:EasouSpider
  13. 即刻蜘蛛:JikeSpider

以上仅供参考,如有不对,还请指正。


weinxin
微信小程序
互联网开发,终身学习者,欢迎您的关注!
舍得

发表评论

不高兴 彩虹 吃瓜 丢翔 乖 滑稽 花心 惊哭 惊讶 挤眼 酷 伤心 帅吗? 礼物 玫瑰 怒 生气 喷 睡觉 太开心 小九九 啊
太阳 吐舌 委屈 笑眼 星星月亮 心碎 咦 阴险 疑问 真棒 偷笑 斜眼笑 震惊 略 哈欠 无奈哭 抠鼻 哼 期待 懒得理你 爱心 蜡烛