如果是懂行的站长应该是不会放过任何一个网站的细节的,尤其是在网站巅峰的时候就看谁的网站做的细致。比如我们很多人的网站 robots.txt 是不会设置的,也不知道文件在哪里。对于 WordPress 网站程序来说他会自动设置 robots.txt,但是默认的文件不够完美,这里我们一般都是自己亲自设置。

robots 是站点与 spider 沟通的重要渠道,站点通过 robots 文件声明该网站中不想被搜索引擎收录的部分或者指定搜索引擎只收录特定的部分。请注意,仅当您的网站包含不希望被搜索引擎收录的内容时,才需要使用 robots.txt 文件。

什么是robots.txt?

robots 是站点与 spider 沟通的重要渠道,站点通过 robots 文件声明该网站中不想被搜索引擎收录的部分或者指定搜索引擎只收录特定的部分。请注意,仅当您的网站包含不希望被搜索引擎收录的内容时,才需要使用 robots.txt 文件。

Robots协议(也称为爬虫协议、机器人协议等)的全称是“网络爬虫排除标准”(Robots Exclusion Protocol),网站通过Robots协议告诉搜索引擎哪些页面可以抓取,哪些页面不能抓取。

搜索引擎机器人访问网站时,首先会寻找站点根目录有没有 robots.txt文件,如果有这个文件就根据文件的内容确定收录范围,如果没有就按默认访问以及收录所有页面。另外,当搜索蜘蛛发现不存在robots.txt文件时,会产生一个404错误日志在服务器上,从而增加服务器的负担,因此为站点添加一个robots.txt文件还是很重要的。

其实,wordpress已经给网站做了一个默认的tobots,它禁用了它自己的主要核心文件及文件夹不允许蜘蛛访问。但是,我们自己的网站,有时还有其它文件或文件夹要禁止蜘蛛爬行,这时,我们就要对robots文件进行修改。

这里为网站robots的写法做一个简单的解释吧:

User-agent: * 表示允许所有的搜索引擎爬行;

Disallow: /wp-admin/ disallow表示不允许,即不允许爬行wp-admin 这个文件夹 。

Disallow: /wp-* 禁止抓取WordPress程序目录

Disallow: /*.css$ 禁止抓取全站所有css文件

Disallow: /*.js$ 禁止抓取网站所有js文件

Disallow: /*/attachment/* 禁止抓取网站所有附件内容

Disallow: /*/comment-page-* 禁止抓取文章页的评论分页

Sitemap: http://www.wpzt.net/sitemap.html 允许爬行网站地图文件

你也可以参考一下别的知名网站的robots写法,一般都大同小异。

下面这个 robots.txt 文件是比较通用且适合我们站点的:

    User-agent: *
    Disallow: /wp-admin/
    Disallow: /wp-content/
    Disallow: /wp-includes/
    Disallow: /*/comment-page-*
    Disallow: /*?replytocom=*
    Disallow: /category/*/page/
    Disallow: /tag/*/page/
    Disallow: /*/trackback
    Disallow: /feed
    Disallow: /*/feed
    Disallow: /comments/feed
    Disallow: /?s=*
    Disallow: /*/?s=*\
    Disallow: /attachment/
    Sitemap: https://www.cnwper.com/wp-sitemap.xml

下面分别解释一下各项代码的作用给大家方便理解:

1、Disallow: /wp-admin/、Disallow: /wp-content/和Disallow: /wp-includes/

用于告诉搜索引擎不要抓取后台程序文件页面。

2、Disallow: /*/comment-page-*和Disallow: /*?replytocom=*

禁止搜索引擎抓取评论分页等相关链接。

3、Disallow: /category/*/page/和Disallow: /tag/*/page/

禁止搜索引擎抓取收录分类和标签的分页。

4、Disallow: /*/trackback

禁止搜索引擎抓取收录trackback等垃圾信息

5、Disallow: /feed、Disallow: /*/feed和Disallow: /comments/feed

禁止搜索引擎抓取收录feed链接,feed只用于订阅本站,与搜索引擎无关。

6、Disallow: /?s=*和Disallow: /*/?s=*\

禁止搜索引擎抓取站内搜索结果

7、Disallow: /attachment/

禁止搜索引擎抓取附件页面,比如毫无意义的图片附件页面。