美文网首页我的专题软件+网站推荐爬虫专题
robots.txt 暂时禁止、允许收录整个网站

robots.txt 暂时禁止、允许收录整个网站

作者: 撸猫真君 | 来源:发表于2017-06-14 08:56 被阅读276次

    robots.txt写法大全和robots.txt语法的作用

    1如果允许所有搜索引擎访问网站的所有部分的话 我们可以建立一个空白的文本文档,命名为robots.txt放在网站的根目录下即可。

    robots.txt写法如下:

    User-agent: *

    Disallow:

    或者

    User-agent: *

    Allow: /

    2如果我们禁止所有搜索引擎访问网站的所有部分的话

    robots.txt写法如下:

    User-agent: *

    Disallow: /

    3如果我们需要某一个搜索引擎的抓取的话,比如百度,禁止百度索引我们的网站的话

    robots.txt写法如下:

    User-agent: Baiduspider

    Disallow: /

    4如果我们禁止Google索引我们的网站的话,其实跟示例3一样,就是User-agent:头文件的蜘蛛名字改成谷歌的Googlebot

    即可

    robots.txt写法如下:

    User-agent: Googlebot

    Disallow: /

    5如果我们禁止除Google外的一切搜索引擎索引我们的网站话

    robots.txt写法如下:

    User-agent: Googlebot

    Disallow:

    User-agent: *

    Disallow: /

    6如果我们禁止除百度外的一切搜索引擎索引我们的网站的话

    robots.txt写法如下:

    User-agent: Baiduspider

    Disallow:

    User-agent: *

    Disallow: /

    7如果我们需要禁止蜘蛛访问某个目录,比如禁止admin、css、images等目录被索引的话

    robots.txt写法如下:

    User-agent: *

    Disallow: /css/

    Disallow: /admin/

    Disallow: /images/

    8如果我们允许蜘蛛访问我们网站的某个目录中的某些特定网址的话

    robots.txt写法如下:

    User-agent: *

    Allow: /css/my

    Allow: /admin/html

    Allow: /images/index

    Disallow: /css/

    Disallow: /admin/

    Disallow: /images/

    9我们看某些网站的robots.txt里的Disallow或者Allow里会看很多的符号,比如问号星号什么的,如果使用“*”,主要是限制访问某个后缀的域名,禁止访问/html/目录下的所有以”.htm”为后缀的URL(包含子目录)。

    robots.txt写法如下:

    User-agent: *

    Disallow: /html/*.htm

    10如果我们使用“$”的话是仅允许访问某目录下某个后缀的文件

    robots.txt写法如下:

    User-agent: *

    Allow: .asp$

    Disallow: /

    11如果我们禁止索引网站中所有的动态页面(这里限制的是有“?”的域名,例如index.asp?id=1)

    robots.txt写法如下:

    User-agent: *

    Disallow: /*?*

    有些时候,我们为了节省服务器资源,需要禁止各类搜索引擎来索引我们网站上的图片,这里的办法除了使用“Disallow: /images/”这样的直接屏蔽文件夹的方式之外,还可以采取直接屏蔽图片后缀名的方式。

    示例12

    如果我们禁止Google搜索引擎抓取我们网站上的所有图片(如果你的网站使用其他后缀的图片名称,在这里也可以直接添加)

    robots.txt写法如下:

    User-agent: Googlebot

    Disallow: .jpg$

    Disallow: .jpeg$

    Disallow: .gif$

    Disallow: .png$

    Disallow: .bmp$

    13如果我们禁止百度搜索引擎抓取我们网站上的所有图片的话

    robots.txt写法如下:

    User-agent: Baiduspider

    Disallow: .jpg$

    Disallow: .jpeg$

    Disallow: .gif$

    Disallow: .png$

    Disallow: .bmp$

    14除了百度之外和Google之外,禁止其他搜索引擎抓取你网站的图片

    (注意,在这里为了让各位看的更明白,因此使用一个比较笨的办法——对于单个搜索引擎单独定义。)

    robots.txt写法如下:

    User-agent: Baiduspider

    Allow: .jpeg$

    Allow: .gif$

    Allow: .png$

    Allow: .bmp$

    User-agent: Googlebot

    Allow: .jpeg$

    Allow: .gif$

    Allow: .png$

    Allow: .bmp$

    User-agent: *

    Disallow: .jpg$

    Disallow: .jpeg$

    Disallow: .gif$

    Disallow: .png$

    Disallow: .bmp$

    15仅仅允许百度抓取网站上的“JPG”格式文件

    (其他搜索引擎的办法也和这个一样,只是修改一下搜索引擎的蜘蛛名称即可)

    robots.txt写法如下:

    User-agent: Baiduspider

    Allow: .jpg$

    Disallow: .jpeg$

    Disallow: .gif$

    Disallow: .png$

    Disallow: .bmp$

    16仅仅禁止百度抓取网站上的“JPG”格式文件

    robots.txt写法如下:

    User-agent: Baiduspider

    Disallow: .jpg$

    17如果 ? 表示一个会话 ID,您可排除所有包含该 ID 的网址,确保 Googlebot 不会抓取重复的网页。但是,以 ? 结尾的网址可能是您要包含的网页版本。在此情况下,沃恩可将与 Allow 指令配合使用。

    robots.txt写法如下:

    User-agent:*

    Allow:/*?$

    Disallow:/*?

    Disallow:/ *?

    一行将拦截包含 ? 的网址(具体而言,它将拦截所有以您的域名开头、后接任意字符串,然后是问号 (?),而后又是任意字符串的网址)。Allow: /*?$ 一行将允许包含任何以 ? 结尾的网址(具体而言,它将允许包含所有以您的域名开头、后接任意字符串,然后是问号 (?),问号之后没有任何字符的网址)。

    18如果我们想禁止搜索引擎对一些目录或者某些URL访问的话,可以截取部分的名字

    robots.txt写法如下:

    User-agent:*

    Disallow: /plus/feedback.php?

    参考地址:http://www.liuheng.org/yunying/634.html

    相关文章

      网友评论

        本文标题:robots.txt 暂时禁止、允许收录整个网站

        本文链接:https://www.haomeiwen.com/subject/jhcsqxtx.html