教你设置wordpress的robots
robots协议(也称为爬虫协议、爬虫规则、机器人协议等)也就是robots.txt,网站通过robots协议告诉搜索引擎哪些页面可以抓取,哪些页面不能抓取。Robots协议是网站国际互联网界通行的道德规范,其目的是保护网站数据和敏感信息、确保用户个人信息和隐私不被侵犯。因其不是命令,故需要搜索引擎自觉遵守。一些病毒如malware(马威尔病毒)经常通过忽略robots协议的方式,获取网站后台数据和个人信息。
我们建立一个网站,有一些内容是不希望搜索引擎收录的,比如重复性的内容,动态的页面等,这些页面被搜索引擎发现之后,会降低权重,从而影响收录和排名,甚至有时候会导致被K站,这样就得不偿失了,这里小编就来教你如何设置wordpress的robots.txt
语法:
Disallow: /?s=
Allow:.htm$
Disallow: 是告诉搜索引擎不要收录 /?s= 则是禁止收录的链接
Allow是告诉搜索引擎可以收录
具体如下:
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/ 这里定义是允许爬寻cgi-bin目录下面的目录
Allow: /tmp 这里定义是允许爬寻tmp的整个目录
Allow: .htm$ 仅允许访问以”.htm”为后缀的URL。
Allow: .gif$ 允许抓取网页和gif格式图片
Sitemap: 网站地图 告诉爬虫这个页面是网站地图
基于这个,小编这里给大家写了一些针对wordpress的robots.txt:
1. 你的wordpress网站设置了伪静态后缀,打开内页的域名和WEB主题公园一样 是这样子的:www.****.com/***.html,那么可以参考下面的robots.txt
User-agent: *
Disallow: /*.css$
Disallow: /*.php$
Disallow: /*?*
Disallow: /cgi-sys/
Disallow: /img-sys/
Disallow: /wp-admin/
Disallow: /wp-content/
Disallow: /wp-includes/
Disallow: /*/trackback
Disallow: /feed
Disallow: /*/feed
Disallow: /comments/feed
# BEGIN XML-SITEMAP-PLUGIN
Sitemap: (填写你的网站地图xml)
# END XML-SITEMAP-PLUGIN
2.如果你的网站并没有做伪静态化,你的内页出现的是www.***.com/?P=123
那么可以使用下面的robots.txt:
User-agent: *
Disallow: /?s=
Disallow: /?feed=
Disallow: /*.css$
Disallow: /*.php$
Disallow: /*?tis=buy$
Disallow: /*?tis=dl$
Disallow: /*?tis=img$
Disallow: /cgi-sys/
Disallow: /img-sys/
Disallow: /wp-admin/
Disallow: /wp-content/
Disallow: /wp-includes/
Disallow: /*/trackback
Disallow: /feed
Disallow: /*/feed
Disallow: /comments/feed
# BEGIN XML-SITEMAP-PLUGIN
Sitemap: (填写你的网站地图xml)
# END XML-SITEMAP-PLUGIN
以上内容仅供参考,你的针对你自己的网站做出一些修改和选择,最后转写完这些编码之后,将他们保存在一个名为robots.txt的文档中,上传到网站的根目录就OK了! 是不是很简单呢,如果你的wordpress网站还没有设置robots.txt,那赶快去设置把!
希望以上文章对你有所帮助!
您好!请登录