编写搜索引擎抓取协议要学习的四点

2015-10-19 23:02 阅读 470 views 次 评论 0 条

  当我们的网站上线之后,一定会有一些不想让百度抓取的页面、文件,针对这种问题,我们就要使用协议去屏蔽。那么这个协议是什么?究竟怎么写这个协议呢?

  什么是搜索引擎协议:
什么是搜索引擎协议
  搜索引擎协议也就是我们常说的robots.txt。这是我们网站和搜索引擎之间的协议。当搜索引擎来到我们网站的时候,会先看一看有没有这个文件,在进行下一步的抓取。但是需要注意的是,这个协议只是我们单方面的,搜索引擎遵守与否,我们管不了。但是正常情况下搜索引擎会遵守这个协议。

  robots.txt语法:
robots协议语法讲解
  1.基本语法:
  User-agent 定义协议的搜索引擎。
  Disallow 不允许抓取
  Allow 允许抓取
  * 通配符,代表所有
  $ 结束符
  2.详情讲解:
  User-agent: * 所有的搜索引擎都要遵守
  PS:1.英文的首字母一定要大写。下同。2.问号一定是英文状态下的。下同。3.问号之后一定要有一个空格。下同。
  User-agent: Baiduspider 针对百度的协议
  Disallow: / 屏蔽全站
  Disallow: /can/ 屏蔽can文件下的所有文件
  Allow: /can/123 屏蔽can文件下的所有文件,但是允许收录123
  Disallow: /*.jpg$ 屏蔽所有的图片文件。
  PS:使用通配符,一定要有结束符。不然可能导致正常的路径被屏蔽。

  那些情况需要使用robots
什么情况下需要使用robots
  1.统一路径
  在我们的网站中,指向页面的路径一定是有且只有一个。一旦多途径指向一个页面,会导致百度不知道收录那个页面。所以我们只要屏蔽了一个,让百度收录我们想让收录的。
  2.搜索路径
  如果我们网站中有搜索框,那么我们就要把搜索结果页面给屏蔽掉。目的就是为了防止有人使用这个搜索框捣乱。
  3.标签路径
  如果我们网站有标签页面,这个标签页面就是中文的链接,中文链接百度不认识,所以要屏蔽。
  4.js文件
  对于js文件或者其他无意义的文件,我们都可以屏蔽掉。

  注意事项:
robots协议注意事项
  1.基础语法中PS的点。
  2.生效时间
  robots是我们和搜索引擎之间的一个单方面的协议,不是我们今天写上,明天百度就会遵守。想让百度遵守是需要一个过程的,一般情况下是两个月。但是也不排除当天写,当天生效。所以在更改robots的时候,一定要小心小心再小心。一旦你的robots错了,对整个网站的影响是巨大的。
  3.不要随便的屏蔽整站
  一些新手在做网站的时候,没有规划,随搭随建,网站不能一下子做好,经常做个半截,所以很多新手就会将我们的网站全部屏蔽掉。如果你真的这么做了,那么我要恭喜你,蜘蛛可能在未来的两个月中不来访问你的网站。即便是你去请蜘蛛也不会来。所以这里给新手的建议就是一定要对网站规划好,一次性搭建完成。等待收录。

  搜索引擎协议已写完,如果还是不清楚,请留言!

版权声明:本文著作权归原作者所有,欢迎分享本文,谢谢支持!
转载请注明:编写搜索引擎抓取协议要学习的四点 | 山西SEO

发表评论


表情