robots.txt 设置禁止爬取和允许搜索引擎爬取

运营推广 投稿 94500 0 评论

robots.txt 设置禁止爬取和允许搜索引擎爬取

1、如果允许所有搜索引擎访问网站的所有部分的话 我们可以建立一个空白的文本文档,命名为robots.txt放在网站的根目录下即可。

User-agent: *

Disallow:

或者

User-agent: *

Allow: /

2、如果我们禁止所有搜索引擎访问网站的所有部分的话

User-agent: *

Disallow: /

3、如果我们需要某一个搜索引擎的抓取的话,比如百度,禁止百度索引我们的网站的话

User-agent: Baiduspider

Disallow: /

4、如果我们禁止Google索引我们的网站的话,其实跟示例3一样,就是User-agent:头文件的蜘蛛名字改成谷歌的Googlebot即可

User-agent: Googlebot

Disallow: /

5、如果我们禁止除Google外的一切搜索引擎索引我们的网站话

User-agent: Googlebot

Disallow:

User-agent: *

Disallow: /

6、如果我们禁止除百度外的一切搜索引擎索引我们的网站的话

User-agent: Baiduspider

Disallow:

User-agent: *

Disallow: /

7、如果我们需要禁止蜘蛛访问某个目录,比如禁止admin、css、images等目录被索引的话

User-agent: *

Disallow: /css/

Disallow: /admin/

Disallow: /images/

8、如果我们允许蜘蛛访问我们网站的某个目录中的某些特定网址的话

User-agent: *

Allow: /css/my

Allow: /admin/html

Allow: /images/index

Disallow: /css/

Disallow: /admin/

Disallow: /images/

9、我们看某些网站的robots.txt里的Disallow或者Allow里会看很多的符号,比如问号星号什么的,如果使用“*”,主要是限制访问某个后缀的域名,禁止访问/html/目录下的所有以”.htm”为后缀的URL(包含子目录)。

User-agent: *

Disallow: /html/*.htm

10、如果我们使用“$”的话是仅允许访问某目录下某个后缀的文件

User-agent: *

Allow: .asp$

Disallow: /

11、如果我们禁止索引网站中所有的动态页面(这里限制的是有“?”的域名,例如index.php?id=1)

User-agent: *

Disallow: /*?*

屏蔽图片后缀名的方式

12、如果我们禁止Google搜索引擎抓取我们网站上的所有图片(如果你的网站使用其他后缀的图片名称,在这里也可以直接添加)

User-agent: Googlebot

Disallow: .jpg$

Disallow: .jpeg$

Disallow: .gif$

Disallow: .png$

Disallow: .bmp$

13、如果我们禁止百度搜索引擎抓取我们网站上的所有图片的话

User-agent: Baiduspider

Disallow: .jpg$

Disallow: .jpeg$

Disallow: .gif$

Disallow: .png$

Disallow: .bmp$

14、除了百度之外和Google之外,禁止其他搜索引擎抓取你网站的图片

User-agent: Baiduspider

Allow: .jpeg$

Allow: .gif$

Allow: .png$

Allow: .bmp$

User-agent: Googlebot

Allow: .jpeg$

Allow: .gif$

Allow: .png$

Allow: .bmp$

User-agent: *

Disallow: .jpg$

Disallow: .jpeg$

Disallow: .gif$

Disallow: .png$

Disallow: .bmp$

15、仅仅允许百度抓取网站上的“JPG”格式文件

User-agent: Baiduspider

Allow: .jpg$

Disallow: .jpeg$

Disallow: .gif$

Disallow: .png$

Disallow: .bmp$

16、仅仅禁止百度抓取网站上的“JPG”格式文件

User-agent: Baiduspider

Disallow: .jpg$

17、如果 ? 表示一个会话 ID,您可排除所有包含该 ID 的网址,确保 Googlebot 不会抓取重复的网页。但是,以 ? 结尾的网址可能是您要包含的网页版本。在此情况下,沃恩可将与 Allow 指令配合使用。

User-agent:*

Allow:/*?$

Disallow:/*?

Disallow:/ *?

一行将拦截包含 ? 的网址(具体而言,它将拦截所有以您的域名开头、后接任意字符串,然后是问号 (?),而后又是任意字符串的网址)。Allow: /*?$ 一行将允许包含任何以 ? 结尾的网址(具体而言,它将允许包含所有以您的域名开头、后接任意字符串,然后是问号 (?),问号之后没有任何字符的网址)。

18、如果我们想禁止搜索引擎对一些目录或者某些URL访问的话,可以截取部分的名字

User-agent:*

Disallow: /plus/feedback.php?

编程笔记 » robots.txt 设置禁止爬取和允许搜索引擎爬取

赞同 (75) or 分享 (0)
游客 发表我的评论   换个身份
取消评论

表情
(0)个小伙伴在吐槽