關于WordPress的robots.txt文件的那些事
來源:SEO優化 2012-09-25
安裝完wordpress站點后關于robots.txt文件的書寫一直煩惱著很多站長,Robots.txt文件協議又叫搜索引擎機器人協議,搜索引擎爬蟲在爬取網站的時候,首先會看網站根目錄下是否有robots.txt文件,然后遵循robots.txt協議爬取網站主希望搜索引擎爬取的內容。robots.txt文件意在告訴搜索引擎爬蟲哪些頁面可以爬取,哪些頁面不能爬取,可以有效的保護用戶的隱私,同時也有利于節省蜘蛛的帶寬,從而讓蜘蛛爬取更加容易,促進收錄。
先來簡單的說下robots.txt文件的規則:
1、允許所有的搜索引起爬取任何內容
User-agent: *
Disallow:
這個意思就是允許所有的搜索引擎爬取所有的頁面,雖然Disallow是不允許的意思,但是后面是放空狀態,這意思是沒有不允許爬取的頁面。
2、屏蔽其中一種或者幾種搜索引擎的爬取,以最近比較火的360綜合搜索為例
User-agent: 360spider
Disallow: /
User-agent:*
Disallow:
前兩行的意思是不允許360綜合搜索蜘蛛爬取任何頁面,后面的解釋見第一點。同理,如果除了屏蔽360綜合搜索也想屏蔽百度蜘蛛,那就在開頭繼續添加。
3、不允許搜索引擎抓取其中的某些頁面,這邊以不允許所有搜索引擎爬取wordpress的管理后臺頁面為例
User-agent:*
Disallow:/wp-admin/
我們都知道,wordpress的管理后臺在根目錄下的wp-admin文件夾里面,在disallow后面加上/wp-admin的意思就是不允許搜索引擎蜘蛛爬取。
至于不允許百度爬取后臺,允許其他搜索引擎爬取后臺,或者不允許360綜合搜索爬取后臺,允許其他搜索引擎爬取后臺等等組合,請參考以上三點內容進行組合。
回歸正題,再來說下wordpress的robots.txt文件書寫,其實wordpress的robots文件很簡單,主要看3個要點:
1、網站后臺不要蜘蛛爬取
首先設置不讓搜索引擎抓取wordpress后臺頁面,這幾乎是每個站長設置robots.txt文件首要的目的,不僅局限于wordpress,當然,不同的類型網站后臺頁面所在頁面的文件夾名稱不一樣。
2、靜態化后,動態url不要蜘蛛爬取
wordpress的url最好還是靜態化下,因為過多的動態參數不利于蜘蛛的爬取。但很多站長在靜態化url之后,每次發布文章時,搜索引擎收錄總會同時收錄靜態的url和動態的url,這樣明顯會導致文章頁面權重的分散,而且會導致重復頁面過多最終受到搜索引擎的懲罰,其實避免這種情況的方法很簡單,那就是在robots.txt文件里面設置,讓蜘蛛不爬取動態url,這樣動態的url就不會被百度收錄。
3、結尾加上xml格式的網站地圖
在robots.txt的結尾加上網站地圖,可以讓網站地圖在蜘蛛爬取網站的時候第一時間被抓取,更利于頁面的收錄。
于是,最簡單的wordpress的robots.txt的書寫如下
User-agent:*
Disallow:/wp-admin/
Disallow:/*?*
#這意思是不抓取中包含?的url,動態url特征是有?#
Sitemap:/archives/578 ,謝謝。
文章編輯: 365webcall網頁客服(www.365webcall.com)
我的評論
| 登錄賬號： | 密碼： | 快速注冊 | 找回密碼 |  |
