网络蜘蛛访问控制文件robots.txt的写法 – WordPress教程

虽然说对于广大站长来说，我们可能希望搜索引擎收录我们的网页越多越好，但是有的时候我们并不希望搜索引擎收录我们的一些网页，比如后台登陆页面，密码保护页面，私密页面。搜索引擎网络爬虫，我们常常把它称为搜索“蜘蛛”，因为这些“蜘蛛”沿着网络上的链接爬行可谓无网不入，我曾经甚至无语的发现，谷歌图片的搜索蜘蛛连我的个人用户头像都收录，这种殷勤令我哭笑不得。

所以网站的根目录常常有一个叫“robost.txt”的文件，robots是英语“机器人”的意思，你可以理解为网络机器人，也就是搜索蜘蛛，通过这个文件中的文本来告诉搜索引擎，哪个目录，哪个页面或者什么格式的图片不想被收录。

先给大家讲几个例子：

第一行：#禁止admin页面

第一个字符“#”，表示注释，可以随意写不对蜘蛛爬行产生任何效果，主要的作用就是提醒自己接下来一段代码是什么目的。

第二行代码：User-agent:*

User-agent汉译为用户代理，你可能在网站日志里可以看到这个单词，手机浏览器的“UA标识”也是这个词，在robots.txt里你可以理解为“访问用户（搜索蜘蛛）的身份”。

常见的搜索蜘蛛标识有：

1、谷歌(Google)蜘蛛：Googlebot、Googlebot-Mobile、Googlebot-Image、Mediapartners-Google、Adsbot-Google；

2、百度(Baidu)蜘蛛：Baiduspider；

3、雅虎(Yahoo)蜘蛛：Yahoo!+Slurp、Yahoo!+Slurp+China(雅虎中国蜘蛛)；

4、有道(Yodao)蜘蛛：YodaoBot、YoudaoBot、YodaoBot-Image；

5、搜搜(Soso)蜘蛛：Sosospider、Sosoimagespider；

6、微软(Bing和MSN)蜘蛛：bingbot、msnbot、msnbot-media；

7、搜狗(Sogou)蜘蛛：Sogou Web Sprider、Sogou Orion Spider、Sogou-Test-Spider。

User-agent:*其中*是通配符，表示“所有”，意思就是要告诉所有的搜索引擎：你们要注意了！下面就是我要告诉你们的内容！，User-agent:*下面的代码对所有蜘蛛都有效；如果是User-agent:Baiduspider在段落头，表示下面这段代码是对百度蜘蛛说的，其他蜘蛛不受下面代码控制。

第三行代码：Disallow: /admin/

Disallow，是不允许之意，表示你的网站地址/admin/这个目录下的网页不允许蜘蛛访问抓取。

例如我还可以不想让搜索引擎收录我网站的/bbs/目录，那我就可以写成Disallow: /bbs/，如果是多个目录，一个目录写一行，下一个目录换一行写，以此类推就可以了。如果你整个网站都不让抓取，比如你的网站正在调试内测时，可以写Disallow: *，表示禁止访问抓取所有目录、页面，另外，Disallow: /wp-*表示包括wp-content、wp-include等网站根目录下以wp-为前缀的目录都禁止蜘蛛爬行。

第四行代码：Disallow: /*.jpg$

这行代码就是要告诉搜索引擎，我不需要你收录以.jpg结尾的所有图片文件。例如我还可以不想让搜索引擎收录我网站的.png格式的图片，那我就可以写成Disallow: /*.png$，如果是多个文件格式，一个文件格式写一行，下一个文件格式换一行写，以此类推就可以了。

总结

1、写完之后你就可以把他保存成名为robots.txt（文件名必须如此）的文件，上传到你网站的根目录就可以了！

2、网站的网页不是收录越多越好，大家都知道搜索引擎比较网络上的网页相似度（相似度太高的两个页面会分散权重）的时候，不仅仅会进行不同网站间的纵向比较，而且会进行同一网站不同页面间的比较，所以，比如对于个人博客的作者归档和首页，页面内容差不多一样，我们完全可以屏蔽蜘蛛访问作者归档的页面。当然，你可以酌情控制你的日期归档、目录归档是否让搜索蜘蛛抓取。

相关链接

完整的robots.txt写法教程 - WordPress教程