Loading... **搜索引擎限制抓取收录网站配置文件介绍。** robots.txt（统一小写）是一种存放于网站根目录下的ASCII编码的文本文件，它通常告诉网络搜索引擎的漫游器（又称网络蜘蛛），此网站中的哪些内容是不应被搜索引擎的漫游器获取的，哪些是可以被漫游器获取的。因为一些系统中的URL是大小写敏感的，所以robots.txt的文件名应统一为小写。robots.txt应放置于网站的根目录下。如果想单独定义搜索引擎的漫游器访问子目录时的行为，那么可以将自定的设置合并到根目录下的robots.txt，或者使用robots元数据（Metadata，又称元数据）。 侵删转自：[维基百科](https://zh.wikipedia.org/wiki/Robots.txt) **允许所有的机器人：** ``` User-agent: * Disallow: ``` **另一写法** ``` User-agent: * Allow:/ ``` **仅允许特定的机器人：（name\_spider用真实名字代替）** ``` User-agent: name_spider Allow:Copy ``` **拦截所有的机器人：** ``` User-agent: * Disallow: / ``` **禁止所有机器人访问特定目录：** ``` User-agent: * Disallow: /cgi-bin/ Disallow: /images/ Disallow: /tmp/ Disallow: /private/ ``` **仅禁止坏爬虫访问特定目录（BadBot用真实的名字代替）：** ``` User-agent: BadBot Disallow: /private/ ``` **禁止所有机器人访问特定文件类型：** ``` User-agent: * Disallow: /*.php$ Disallow: /*.js$ Disallow: /*.inc$ Disallow: /*.css$ ``` **使用robots协议必要细致的几点地方：** 1、指令区分大小写，忽略未知指令。 2、每一行代表一个指令，空白和隔行会被忽略。 3、“#”号后的字符参数会被忽略。 4、有自力User-agent的规则，会排除在通配“\*”User agent的规则之外。 5、可以写入sitemap文件的链接，方便搜索引擎蜘蛛爬行整站内容。 6、尽量少用Allow指令，由于不同的搜索引擎对不同位置的Allow指令会有不同看待。 7、robots.txt 文件必须放在网站的根目录，不可以放在子目录。 **robots协议文件写法：** ``` User-agent: * 这里的*代表的所有的搜索引擎种类，*是一个通配符 Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录 Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录 Disallow: /ABC/ 这里定义是禁止爬寻ABC目录下面的目录 Disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/目录下的所有以”.htm”为后缀的URL(包含子目录) Disallow: /*?* 禁止访问网站中所有包含问号 (?) 的网址 Disallow: /.jpg$ 禁止抓取网页所有的.jpg格式的图片 Disallow:/ab/adc.html 禁止爬取ab文件夹下面的adc.html文件 Allow: /cgi-bin/ 这里定义是许可爬寻cgi-bin目录下面的目录 Allow: /tmp 这里定义是许可爬寻tmp的整个目录 Allow: .htm$ 仅许可访问以”.htm”为后缀的URL Allow: .gif$ 许可抓取网页和gif格式图片 Sitemap: 网站地图 告诉爬虫这个页面是网站地图 ``` **robots协议文件现实说明：** ``` User-agent: * //设置robots规则适用的欣赏者身份为悉数UA身份 Disallow: /*?* //屏蔽掉页面中的动态路径 Disallow: /?p=* //屏蔽掉非固定链接的文章页面路径，由于每个页面中都会有一个shortlink使用的是?p= 的路径。 Disallow: /index.php //屏蔽掉首页默认页面的index.php 页面地址 Disallow: /wp-admin //屏蔽掉后台登陆页面地址，重要是考虑到服务器安全 Disallow: /wp-content/plugins //屏蔽掉wordpress的插件目录 Disallow: /wp-content/themes //屏蔽掉wordpress的模板目录 Disallow: /wp-includes //屏蔽掉wordpress的底层程序目录 Disallow: /trackback //屏蔽wordpress的页面回评路径 Disallow: /*/*/trackback //屏蔽wordpress分类目录、文章页面的回评路径 Disallow: /feed //屏蔽wordpress的内容订阅路径 Disallow: /*/*/feed //屏蔽wordpress分类目录、文章页面的订阅路径 Disallow: /comments/feed //屏幕wordpress评论的订阅路径 Disallow: /page/ //屏蔽默认的翻页路径 Disallow: /*/*/page/ //屏蔽分类目录的翻页路径 Disallow: /page/1$ //屏蔽翻页路径中的数字路径 Disallow: /tag/ //屏蔽标签页面 Disallow: /?s=* //屏蔽搜索效果路径，重要是避免搜索效果的缓存被搜索引擎收录 Disallow: /date/ //屏蔽按日期分类表现的列表页面 Disallow: /author/ //屏蔽作者文章列表页面 Disallow: /category/ //屏蔽以category为肇端路径的分类路径，假如您没有使用插件生成不带category前缀的路径时，请不要使用此项规则。 Disallow: /wp-login.php //屏蔽后台登陆页面 Disallow: /attachment/ ``` **比较完整的WordPress站点robots.txt文件内容如下：** ``` User-agent: * Disallow: /wp-admin/ Disallow: /wp-content/ Disallow: /wp-includes/ Disallow: /*/comment-page-* Disallow: /*?replytocom=* Disallow: /category/*/page/ Disallow: /tag/*/page/ Disallow: /*/trackback Disallow: /feed Disallow: /*/feed Disallow: /comments/feed Disallow: /?s=* Disallow: /*/?s=* Disallow: /*?* Disallow: /attachment/ ``` 侵删转自：[seoqe.com](https://www.seoqe.com/354.html) 最后修改：2024 年 10 月 07 日 © 允许规范转载 赞 如果觉得我的文章对你有用，请随意赞赏