禁止搜索引擎收录网站内容的几种方法

如果你的网站涉及个人隐私或者机密性非公开的网页而需要禁止搜索引擎收录抓取的话,该如何操作呢?本文将教你几种做法来实现屏蔽或禁止搜索引擎收录抓取网站的内容

第一种、robots.txt方法

搜索引擎默认的遵守robots.txt协议,创建robots.txt文本文件放至网站根目录下,编辑代码如下:

User-agent: *Disallow: /

通过以上代码,即可告诉搜索引擎不要抓取采取收录本网站,注意慎用如上代码:这将禁止所有搜索引擎访问网站的任何部分。

如何只禁止百度搜索引擎收录抓取网页

1、编辑robots.txt文件,设计标记为:

User-agent: BaiduspiderDisallow: /

以上robots文件将实现禁止所有来自百度的抓取。

这里说一下百度的user-agent,Baiduspider的user-agent是什么?百度各个产品使用不同的user-agent:产品名称 对应user-agent 无线搜索 Baiduspider 图片搜索 Baiduspider-image 视频搜索 Baiduspider-video 新闻搜索 Baiduspider-news 百度搜藏 Baiduspider-favo 百度联盟 Baiduspider-cpro 商务搜索 Baiduspider-ads 网页以及其他搜索 Baiduspider

你可以根据各产品不同的user-agent设置不同的抓取规则,以下robots实现禁止所有来自百度的抓取但允许图片搜索抓取/image/目录:User-agent: BaiduspiderDisallow: /

User-agent: Baiduspider-imageAllow: /image/

请注意:Baiduspider-cpro和Baiduspider-ads抓取的网页并不会建入索引,只是执行与客户约定的操作,所以不遵守robots协议,这个就需要和百度的人联系才能解决了。

如何只禁止Google搜索引擎收录抓取网页,方法如下:

编辑robots.txt文件,设计标记为:

User-agent: googlebotDisallow: /

编辑robots.txt文件

搜索引擎默认的遵守robots.txt协议

robots.txt文件放在网站根目录下。

举例来说,当搜索引擎访问一个网站时,首先会检查该网站根目录中是否存在robots.txt这个文件,如果搜索引擎找到这个文件,它就会根据这个文件里的内容,来确定它抓取的权限的范围。

User-agent:该项的值用于描述搜索引擎robot的名字,在”robots.txt”文件中,如果有多条User-agent记录说明有多个robot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*,则该协议对任何机器人均有效,在”robots.txt”文件中,”User-agent:*”这样的记录只能有一条。

Disallow:该项的值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。例如”Disallow:/help”对/help.html 和/help/index.html都不允许搜索引擎访问,而”Disallow:/help/”则允许robot访问/help.html,而不能访问/help/index.html。任何一条Disallow记录为空,说明该网站的所有部分都允许被访问,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robot,该网站都是开放的。

下面举几个robots.txt用法的例子:

User-agent: *Disallow: /

禁止所有搜索引擎访问网站的所有部分

User-agent: BaiduspiderDisallow: /

禁止百度收录全站User-agent: GooglebotDisallow: /

禁止Google收录全站

User-agent: GooglebotDisallow:User-agent: *Disallow: /禁止除Google外的一切搜索引擎收录全站User-agent: BaiduspiderDisallow:User-agent: *Disallow: /禁止除百度外的一切搜索引擎收录全站

User-agent: *Disallow: /css/Disallow: /admin/禁止所有搜索引擎访问某个目录(例如禁止根目录下的admin和css)

第二种、网页代码方法

在网站首页代码<head>与</head>之间,加入<meta name=robots content=noarchive>代码,此标记禁止搜索引擎抓取网站并显示网页快照。在网站首页代码<head>与</head>之间,加入<meta name=Baiduspider content=noarchive>即可禁止百度搜索引擎抓取网站并显示网页快照。在网站首页代码<head>与</head>之间,加入<meta name=googlebot content=noarchive>即可禁止谷歌搜索引擎抓取网站并显示网页快照。

另外当我们的需求很怪异的时候,比如下面这几种情况:

1. 网站已经加了robots.txt,还能在百度搜索出来?

因为搜索引擎索引数据库的更新需要时间。虽然Baiduspider已经停止访问您网站上的网页,但百度搜索引擎数据库中已经建立的网页索引信息,可能需要数月时间才会清除。另外也请检查您的robots配置是否正确。如果您的拒绝被收录需求非常急迫,也可以通过投诉平台反馈请求处理。

2. 希望网站内容被百度索引但不被保存快照,我该怎么做?

Baiduspider遵守互联网meta robots协议。您可以利用网页meta的设置,使百度显示只对该网页建索引,但并不在搜索结果中显示该网页的快照。和robots的更新一样,因为搜索引擎索引数据库的更新需要时间,所以虽然您已经在网页中通过meta禁止了百度在搜索结果中显示该网页的快照,但百度搜索引擎数据库中如果已经建立了网页索引信息,可能需要二至四周才会在线上生效。

希望被百度索引,但是不保存网站快照,如下代码解决:

<meta name=Baiduspider content=noarchive>如果要禁止所有的搜索引擎保存你网页的快照,那么代码就是下面的:<meta name=robots content=noarchive>

常用的一些代码组合:

<META NAME=ROBOTS CONTENT=INDEX,FOLLOW>:可以抓取本页,而且可以顺着本页继续索引别的链接<META NAME=ROBOTS CONTENT=NOINDEX,FOLLOW>:不许抓取本页,但是可以顺着本页抓取索引别的链接<META NAME=ROBOTS CONTENT=INDEX,NOFOLLOW>:可以抓取本页,但是不许顺着本页抓取索引别的链接<META NAME=ROBOTS CONTENT=NOINDEX,NOFOLLOW>:不许抓取本页,也不许顺着本页抓取索引别的链接

大连网站设计的特点有哪些 « 上一篇下一篇 » “什么值得买”每月大概能有多少盈利?
相关文章
回到顶部