防止搜尋引擎抓取頁面

仲介交易 HTTP://www.aliyun.com/zixun/aggregation/6858.html">SEO診斷 淘寶客 雲主機 技術大廳

Robots.txt 檔對抓取網路的搜尋引擎漫遊器（稱為漫遊器）進行限制。 這些漫遊器是自動的，在它們訪問網頁前會查看是否存在限制其訪問特定網頁的 robots.txt 檔。 如果你想保護網站上的某些內容不被搜尋引擎收入的話，robots.txt 是一個簡單有效的工具。 這裡簡單介紹一下怎麼使用它。

如何放置 Robots.txt 檔

robots.txt自身是一個文字檔。 它必須位於功能變數名稱的根目錄中並 被命名為"robots.txt"。 位於子目錄中的 robots.txt 檔無效，因為漫遊器只在功能變數名稱的根目錄中查找此檔。 例如，HTTP://www.1520cc.cn/robots.txt 是有效位置，HTTP://www.1520cc.cn/mysite/robots.txt 則不是。

這裡舉一個robots.txt的例子：

User-agent： *

Disallow： /cgi-bin/

Disallow： /tmp/

Disallow： /~name/

使用 robots.txt 檔攔截或刪除整個網站

要從搜尋引擎中刪除您的網站，並防止所有漫遊器在以後抓取您的網站，請將以下 robots.txt 檔放入您伺服器的根目錄：

User-agent： *

Disallow： /

要只從 Google 中刪除您的網站，並只是防止 Googlebot 將來抓取您的網站，請將以下 robots.txt 檔放入您伺服器的根目錄：

User-agent： Googlebot

Disallow： /

每個埠都應有自己的 robots.txt 檔。 尤其是您通過 HTTP 和 HTTPs 託管內容的時候，這些協定都需要有各自的 robots.txt 檔。 例如，要讓 Googlebot 只為所有的 HTTP 網頁而不為 HTTPs 網頁編制索引，應使用下面的 robots.txt 檔。

對於 HTTP 協定 （HTTP://yourserver.com/robots.txt）：

User-agent： *

Allow： /

對於 HTTPs 協定 （HTTPs：//yourserver.com/robots.txt）：

User-agent： *

Disallow： /

允許所有的漫遊器訪問您的網頁

User-agent： *

Disallow：

（另一種方法： 建立一個空的 "/robots.txt" 檔， 或者不使用robot.txt。 ）

使用 robots.txt 檔攔截或刪除網頁

您可以使用 robots.txt 檔來阻止 Googlebot 抓取您網站上的網頁。 例如，如果您正在手動創建 robots.txt 檔以阻止 Googlebot 抓取某一特定目錄下（例如，private）的所有網頁，可使用以下 robots.txt 條目：

User-agent： Googlebot

Disallow： /private

要阻止 Googlebot 抓取特定檔案類型（例如，.gif）的所有檔，可使用以下 robots.txt 條目：

User-agent： Googlebot

Disallow： /*.gif$

要阻止 Googlebot 抓取所有包含 ？ 的網址（具體地說，這種網址以您的功能變數名稱開頭，後接任一字元串，然後是問號，而後又是任一字元串），可使用以下條目：

User-agent： Googlebot

Disallow： /*？

儘管我們不抓取被 robots.txt 攔截的網頁內容或為其編制索引，但如果我們在網路上的其他網頁中發現這些內容，我們仍然會抓取其網址並編制索引。 因此，網頁網址及其他公開的資訊，例如指 向該網站的連結中的定位文字，有可能會出現在 Google 搜尋結果中。 不過，您網頁上的內容不會被抓取、編制索引和顯示。

作為網站管理員工具的一部分，Google提供了robots.txt分析工具 。 它可以按照 Googlebot 讀取 robots.txt 檔的相同方式讀取該檔，並且可為 Google user-agents（如 Googlebot）提供結果。 我們強烈建議您使用它。 在創建一個 robots.txt 檔之前，有必要考慮一下哪些內容可以被使用者搜得到，而哪些則不應該被搜得到。 這樣的話，通過合理地使用 robots.txt ， 搜尋引擎在把使用者帶到您網站的同時，又能保證隱私資訊不被收錄。