更新时间：2024-07-19 00:25:23
网站建设
158搜索引擎支持nofollow 和noarchive。
禁止搜索引擎收录的方法
1. 什么是robots.txt 文件？搜索引擎使用蜘蛛程序自动访问互联网上的网页，获取网页信息。当蜘蛛访问一个网站时，它首先会检查该网站的根域下是否有一个名为robots.txt的纯文本文件。该文件用于指定蜘蛛在您网站上的爬行范围。您可以在您的网站上创建一个robots.txt，在该文件中声明您不想被搜索引擎索引的网站部分或指定搜索引擎仅包含特定部分。
请注意，仅当您的网站包含您不希望搜索引擎索引的内容时，才需要robots.txt 文件。如果您希望搜索引擎索引您网站上的所有内容，请不要创建robots.txt 文件。
2. robots.txt 文件在哪里？ robots.txt文件应该放在网站的根目录下。例如，当蜘蛛访问一个网站（如//www.abc.com）时，它首先会检查网站中是否存在//www.abc.com/robots.txt文件。如果蜘蛛发现了这个文件，它就会根据这个文件的内容来决定它的访问权限范围。
站点URL对应robots.txt的URL
//www.w3.org///www.w3.org/robots.txt
//www.w3.org:80///www.w3.org:80/robots.txt
//www.w3.org:1234///www.w3.org:1234/robots.txt
//w3.org///w3.org/robots.txt
3. 我在robots.txt 中禁止了我网站的搜索引擎和内容，为什么它们仍然出现在搜索引擎和搜索结果中？如果其他网站链接到您在robots.txt 文件中设置的禁止网页，那么这些网页可能仍会出现在搜索引擎和搜索结果中，但您网页上的内容不会被抓取、索引和显示。搜索引擎和搜索结果只会显示来自其他网站的与您相关的页面描述。
4. 阻止搜索引擎跟踪此页面上的链接，仅对其进行索引
如果您不希望搜索引擎跟踪特定链接，搜索引擎也支持更精确的控制，请直接在链接上写这个标签:登录
要允许其他搜索引擎跟随，但仅阻止搜索引擎跟随指向您页面的链接，请将此元标记放在页面的部分中：
5. 防止搜索引擎在搜索结果中显示您网页的快照并仅将其编入索引要防止所有搜索引擎显示您网站的快照，请将此元标记放在您网页的部分：
要允许其他搜索引擎显示快照，但仅阻止搜索引擎显示它，请使用以下标记：
注意：该标签只是禁止搜索引擎显示网页的快照。搜索引擎将继续为该网页编制索引，并在搜索结果中显示该网页的摘要。
6、我想禁止百度图片搜索收录某些图片，如何设置？禁止Baiduspider抓取网站所有图片，禁止或允许Baiduspider抓取网站上某种格式的图片文件可以通过设置robots来实现，请参考“Robots.txt文件示例”中的示例10、11、12用法”。
7. robots.txt 文件的格式'robots.txt' 文件包含一个或多个由空行分隔的记录（以CR、CR/NL 或NL 作为结束字符），每条记录的格式如下如下显示：':'
可以在该文件中使用#进行注释，具体使用方法与UNIX中的约定相同。该文件中的记录通常以一行或多行User-agent开头，后面跟着几行Disallow和Allow，具体如下：
用户代理：
此项的值用于描述搜索引擎机器人的名称。在'robots.txt'文件中，如果有多个User-agent记录表明有多个robots将被'robots.txt'限制，那么这个文件必须至少有一个User-agent记录。如果此项的值设置为*，则对任何机器人都有效。在'robots.txt'文件中，只能有'User-agent:*'这样的记录。如果您在“robots.txt”文件中添加“User-agent:SomeBot”和几行Disallow 和Allow 行，则名称“SomeBot”仅在“User-agent:SomeBot”之后受制于Disallow
和Allow行的限制。Disallow:
该项的值用于描述不希望被访问的一组URL，这个值可以是一条完整的路径，也可以是路径的非空前缀，以Disallow项的值开头的URL不会被 robot访问。例如"Disallow:/help"禁止robot访问/help.html、/helpabc.html、/help /index.html，而"Disallow:/help/"则允许robot访问/help.html、/helpabc.html，不能访问 /help/index.html。"Disallow:"说明允许robot访问该网站的所有url，在"/robots.txt"文件中，至少要有一 条Disallow记录。如果"/robots.txt"不存在或者为空文件，则对于所有的搜索引擎robot，该网站都是开放的。
Allow:
该项的值用于描述希望被访问的一组URL，与Disallow项相似，这个值可以是一条完整的路径，也可以是路径的前缀，以Allow项的值开头的URL 是允许robot访问的。例如"Allow:/hibaidu"允许robot访问/hibaidu.htm、/hibaiducom.html、 /hibaidu/com.html。一个网站的所有URL默认是Allow的，所以Allow通常与Disallow搭配使用，实现允许访问一部分网页 同时禁止访问其它所有URL的功能。
使用"*"and"$"：
Baiduspider支持使用通配符"*"和"$"来模糊匹配url。
"$" 匹配行结束符。
"*" 匹配0或多个任意字符。
8. URL匹配举例Allow或Disallow的值 URL 匹配结果
/tmp /tmp yes
/tmp /tmp.html yes
/tmp /tmp/a.html yes
/tmp /tmp no
/tmp /tmphoho no
/Hello* /Hello.html yes
/He*lo /Hello,lolo yes
/Heap*lo /Hello,lolo no
html$ /tmpa.html yes
/a.html$ /a.html yes
htm$ /a.html no
9. robots.txt文件用法举例例1. 禁止所有搜索引擎访问网站的任何部分
下载该robots.txt文件 User-agent: *
Disallow: /
例2. 允许所有的robot访问
(或者也可以建一个空文件 "/robots.txt") User-agent: *
Allow: /
例3. 仅禁止Baiduspider访问您的网站 User-agent: Baiduspider
Disallow: /
例4. 仅允许Baiduspider访问您的网站 User-agent: Baiduspider
Allow: /
User-agent: *
Disallow: /
例5. 仅允许Baiduspider以及Googlebot访问 User-agent: Baiduspider
Allow: /
User-agent: Googlebot
Allow: /
User-agent: *
Disallow: /
例6. 禁止spider访问特定目录
在这个例子中，该网站有三个目录对搜索引擎的访问做了限制，即robot不会访问这三个目录。需要注意的是对每一个目录必须分开声明，而不能写成 "Disallow: /cgi-bin/ /tmp/"。 User-agent: *
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/
例7. 允许访问特定目录中的部分url User-agent: *
Allow: /cgi-bin/see
Allow: /tmp/hi
Allow: /~joe/look
Disallow: /cgi-bin/
Disallow: /tmp/
Disallow: /~joe/
例8. 使用"*"限制访问url
禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。 User-agent: *
Disallow: /cgi-bin/*.htm
例9. 使用"$"限制访问url
仅允许访问以".htm"为后缀的URL。 User-agent: *
Allow: /*.htm$
Disallow: /
例10. 禁止访问网站中所有的动态页面 User-agent: *
Disallow: /*?*
例11. 禁止Baiduspider抓取网站上所有图片
仅允许抓取网页，禁止抓取任何图片。 User-agent: Baiduspider
Disallow: /*.jpg$
Disallow: /*.jpeg$
Disallow: /*.gif$
Disallow: /*.png$
Disallow: /*.bmp$
例12. 仅允许Baiduspider抓取网页和.gif格式图片
允许抓取网页和gif格式图片，不允许抓取其他格式图片 User-agent: Baiduspider
Allow: /*.gif$
Disallow: /*.jpg$
Disallow: /*.jpeg$
Disallow: /*.png$
Disallow: /*.bmp$
例13. 仅禁止Baiduspider抓取.jpg格式图片 User-agent: Baiduspider
Disallow: /*.jpg$
我们专注高端建站，小程序开发、软件系统定制开发、BUG修复、物联网开发、各类API接口对接开发等。十余年开发经验，每一个项目承诺做到满意为止，多一次对比，一定让您多一份收获！
