A-A+

如何禁止搜索引擎收录网站/页面

2014年11月22日 SEO优化 暂无评论 阅读 972 次

有的时候,站长并不希望某些页面被抓取和收录,如付费内容、还在测试阶段的页面、复制内容页面等。网站上不出现链接,或者使用JavaScript、Flash链接,使用nofollow 等方法都不能保证页面一定不被收录。站长自己虽然没有链接到不想被收录的页面,其他网站可能由于某种原因出现导入链接,导致页面被收录。

要确保页面不被收录,需要使用robots文件Meta Robots标签

一、robots文件

搜索引擎蜘蛛访问网站时,会先查看网站根目录下有没有一个命名为robots.txt的纯文本文件,robots.txt 用于指令搜索引擎禁止抓取网站某些内容或指定允许抓取某些内容。

如百度的robots文件位于:

http://www.baidu.com/robots.txt

只有在需要禁止抓取某些内容时,写robots.txt才有意义。robots文件不存在或者是空文件都意味着允许搜索引擎抓取所有内容。有的服务器设置有问题,rbots文件不存在时会返回200状态码及一些错误信息,而不是404状态码,这有可能使搜索引擎错误解读robots文件信息,所以建议就算允许抓取所有内容,也要建一个空的robots.txt文件,放在根目录下。

robots文件由记录组成,记录之间以空行分开。记录格式为:

<域>:<可选空格><域值><可选空格>

最简单的robots文件:

User-agent: *
Disallow: /

上面这个robots文件禁止所有搜索引擎抓取任何内容。

User-agent:指定下面的规则适用于哪个蜘蛛。通配符*代表所有搜索引擎。只适用于百度蜘蛛则用:

User-agent: Baiduspider

只适用于Google蜘蛛则用:

User-Agent: Googlebot

Disallow:告诉蜘蛛不要抓取某些文件或目录。例如下面的代码将阻止所有蜘蛛抓取 /cgi-bin/和/tmp/两个目录下的内容及文件/aa/index.html:

User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /aa/index.html

Disallow:禁止的目录或文件必须分开写,每个一行,不能写成:

Disallow: /cgi-bin/ /tmp/ /aa/index.html

下面的指令相当于允许所有搜索引擎抓取任何内容:

User-agent: *
Disallow:

下面的代码禁止除百度外的所有搜索引擎抓取任何内容:

User-agent: Baiduspider
Disallow:
User-agent: *
Disallow:/

Allow:告诉蜘蛛应该抓取某些文件。由于不指定就是允许抓取,Allow:单独写没有意义,Allow和Disallow配合使用,可以告诉蜘蛛某个目录下大部分不允许抓取,只允许抓取一部分。例如,下面的代码将使蜘蛛不抓取/ab/目录下其他p录和文件,但允许抓取其中/cd/目录下的内容:

User-agent: *
Disallow:/ab/
Allow:/ab/cd/

$通配符:匹配URL结尾的字符。例如,下面的代码将允许蜘蛛抓取以.htm为后缀的 URL:

User-agent: *
Allow:  .htm$

下面的代码将禁止百度抓取所有.jpg文件:

User-agent:
Baiduspider Disallow: .jpg$

*通配符:告诉蜘蛛匹配任意一段字符。例如,下面一段代码将禁止蜘蛛抓取所有 htm文件:

User-agent: *
Disallow: /*.htm

Sitemaps位置:告诉蜘蛛XML网站地图在哪里,格式为:

Sitemap: <网站地图位置>

主流搜索引擎都遵守robots文件指令,robots.txt禁止抓取的文件搜索引擎将不访问,不抓取。但要注意的是,被robots文件禁止抓取的URL还是可能出现在搜索结果中。只要有导入链接指向这个URL,搜索引擎就知道这个URL的存在,虽然不会抓取页面内容,.但是可能以下面几种形式显示在搜索结果中:

•只显不URL,没有标题、描述。Google常这样处理。

•显示开放目录或雅虎等重要目录收录的标题和描述。

•导入链接的锚文字显示为标题和描述。百度常这样处理。

•要想使URL完全不出现在搜索结果中,需要使用页面上的meta robots标签。

二、meta robots标签

meta robots标签是页面head部分meta标签的一种,用于指令搜索引擎禁止索引本页内容。
最简单的meta robots标签格式为:

上面标签的意义是禁止所有搜索引擎索引本页面,禁止跟踪本页面上的链接。Google、必应、雅虎都支持的meta robots标签如下。
NOINDEX:告诉蜘蛛不要索引本页面。
NOFOLLOW:告诉蜘蛛不要跟踪本页面上的链接。
NOSNIPPET:告诉搜索引擎不要在搜索结果中显示说明文字。
NOARCHIVE:告诉搜索引擎不要显示快照。
NOODP:告诉搜索引擎不要使用开放目录中的标题和说明。
百度的官方说法是目前只支持NOFOLLOW和NOARCHIVE。
meta robots标签内容可以写在一起,以逗号间隔,中间可以有空格,也可以没有。多个meta robots内容也可以写成不同标签。

<META NAME="ROBOTS" CONTENT="NOINDEX">
<META NAME="ROBOTS" CONTENT="NOFOLLOW">

与下面这个是一样的:

<META NAME="ROBOTS" CONTENT="NOINDEX, NOFOLLOW"〉

meta robots标签不区分大小写。
只有禁止索引时,使用meta robots才有意义。以下这个标签:

<META NAME="ROBOTS" CONTENT="INDEX, FOLLOW"〉

是没有意义的,等于没写。普通需要被收录、索引,链接需要被跟踪的页面,不用写 meta robots 标签。
这个标签有时会用到:

<meta name="robots" content="noindex">
标签:
Copyright © 互联网世界 保留所有权利.   Powered by www.zhangjinpeng.com.cn 网站地图   粤ICP备13066957号-2  
内容说明:本站内容及数据部分来自互联网及公开渠道,如有侵权请及时联系我们,本站将在第一时间删除相关资源。

用户登录

分享到: