导读:对于网站管理者和内容提供者来说,有时候会有一些站点内容,不希望被 robots 抓取而公开。 为了解决这个问题,robots 开发界提供了两个方法:一个是 robots.txt,另一个是 robots meta 标签。 下面将对这两种方法进行详细的介绍。
一、robots.txt
- 1、什么是robots.txt?
robots.txt 是一个纯文本文件,通过在这个文件中声明该网站中不想被 robots 访问的部分,这样,该网站的部分或全部内容就可以不被搜索引擎收录了,或者指定搜索引擎只收录指定的内容。
当一个搜索机器人访问一个站点时,它会首先检查该站点根目录下是否存在 robots.txt,如果找到,搜索机器人就会按照该文件中的内容来确定访问的范围,如果该文件不存在,那么搜索机器人就沿着链接抓取。
- 2.robots.txt 的写法
robots.txt 必须放置在一个站点的根目录下,而且文件名必须全部小写。
二、robots meta标签
- 1、什么是robots meta标签
robots.txt 文件主要是限制整个站点或者目录的搜索引擎访问情况,而 robots meta 标签则主要是针对一个个具体的页面。和其他的 meta 标签(如使用的语言、页面的描述、关键词等)一样,robots meta 标签也是放在页面的中,专门用来告诉搜索引擎 robots 如何抓取该页的内容。
- 2、robots meta标签的写法
robots meta 标签中没有大小写之分,name=“robots” 表示所有的搜索引擎,可以针对某个具体搜索引擎写为 name=”BaiduSpider”。content 部分有四个指令选项:index、noindex、follow、nofollow,指令间以小写逗号“,”分隔。
index 指令告诉搜索机器人抓取该页面;follow 指令表示搜索机器人可以沿着该页面上的链接继续抓取下去;robots meta 标签的缺省值是 index 和 follow 。
总结:绝大多数的搜索引擎机器人都遵守 robots.txt 的规则,而对于 robots meta 标签,目前支持的并不多,但是正在逐渐增加,如 Google 就完全支持,而且 Google 还增加了一个指令“archive”,可以限制 Google 是否保留网页快照。