禁止搜索引擎抓取robots.txt文件的设置常识 通常情况下,网站都是需要让搜索引擎收录的,这样才能更好地增加网站的访问量,但是也有个别行业的网站,如安全性要求较高银行和企业的内部管理系统等他们这种站的安全性和私密性较高,肯定是不希望把数据在第三方上显露,那么如果禁止网站被搜索引擎抓取呢?盛辉科技总结如下: 先在站点的根目录下新建一个robots.txt文本文件。当搜索蜘蛛访问这个站点时,它会首先检查该站点根目录下是否存在robots.txt,如果存在,搜索蜘蛛就会先读取这个文件的内容: 文
禁止搜索引擎抓取robots.txt文件的设置常识
通常情况下,网站都是需要让搜索引擎收录的,这样才能更好地增加网站的访问量,但是也有个别行业的网站,如安全性要求较高银行和企业的内部管理系统等他们这种站的安全性和私密性较高,肯定是不希望把数据在第三方上显露,那么如果禁止网站被搜索引擎抓取呢?盛辉科技总结如下:
先在站点的根目录下新建一个robots.txt文本文件。当搜索蜘蛛访问这个站点时,它会首先检查该站点根目录下是否存在robots.txt,如果存在,搜索蜘蛛就会先读取这个文件的内容:
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: / 这里定义是禁止爬寻站点所有的内容
Disallow: /admin/ 这里定义是禁止爬寻admin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
下面列出来的是比较出名的搜索引擎蜘蛛名称:
Google的蜘蛛: Googlebot
百度的蜘蛛:baiduspider
Yahoo的蜘蛛:Yahoo Slurp
MSN的蜘蛛:Msnbot
Altavista的蜘蛛:Scooter
Lycos的蜘蛛: Lycos_Spider_(T-Rex)
Alltheweb的蜘蛛: FAST-WebCrawler/
INKTOMI的蜘蛛: Slurp
SOGOU的蜘蛛:Sogou web spider/4.0和Sogou inst spider/4.0
按照以上的说明,我们可以给大案一个示例,以Sogou的来说,禁止抓取的robots.txt代码写法如下:
User-agent: Sogou web spider/4.0
Disallow: /goods.php
Disallow: /category.php
随着科技的不断发展,人工智能技术逐渐在各个领域中得到了广泛应用。特别是在网站建设…
2014年网站制作到底多少钱?网站建设费用明细表 随着互联网的普及,越来越多的…
2024年最新4步流程轻松设置好阿里云企业邮箱收信规则以自动归档分类如何设置收信…
阿里邮箱如何设置收信规则及对历史邮件分类?解决方案1、如何设置收信规则:阿里邮箱…
2024年最新原企业网易邮箱163邮箱用户搬家流程方法本文主要介绍搬家前原网易邮…
2024年最新原腾讯邮箱用户搬家注意事项本文主要介绍搬家前原腾讯邮箱注意事项。说…
企业购买阿里邮箱之后,如果需要把原邮箱系统中的邮件迁移到阿里邮箱中,可以由邮箱管…
目前对新购用户默认禁止使用三方客户端。如果您需要使用三方客户端,我们也为您提…
随着科技的不断发展,企业信息化已经成为企业发展的重要组成部分。在这个信息化时代,…