MENU

Robots设置禁止收录含指定参数页面

March 15, 2022 • Read: 956 • 日常折腾

因域名由 LE360.CC 更换为了 VIMIN.CC,为了能让百度尽快收录就在站长后台提交了改版申请。

2021.12.12 提交的改版,到今天将近 3 个月的时间索引终于到 7(感觉提交改版并没有加速收录

11.png

去百度 site:vimin.cc 发现 7 个里面还有 2 个重复,点进去一看把回复页也收录了

1.png

2.png

貌似重复收录同一页面会导致网站降权,果断把 Robots.txt 改成禁止收录链接带 replyTo 的页面

Robots.txt 设置

User-agent: *        这里的*代表的所有的搜索引擎种类,*是一个通配符
Disallow: /feed      不准抓此目录
Disallow: /admin/    不抓抓此目录
Disallow: /*?replyTo=*   不准抓的链接中含有?replyTo=的页面
Sitemap: https://vimin.cc/sitemap.xml    告诉爬虫这是网站地图

设置完成之后果断去检测更新 Robots,然后填写相应的链接进行校验,显示不允许,大功告成。

3.png

常用 Robots 写法分享

User-agent: * 这里的*代表的所有的搜索引擎种类,*是一个通配符
Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录
Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录
Disallow: /ABC/ 这里定义是禁止爬寻ABC目录下面的目录
Disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/目录下的所有以".htm"为后缀的URL(包含子目录)。
Disallow: /*?* 禁止访问网站中所有包含问号 (?) 的网址
Disallow: /.jpg$ 禁止抓取网页所有的.jpg格式的图片
Disallow:/ab/adc.html 禁止爬取ab文件夹下面的adc.html文件。
Allow: /cgi-bin/ 这里定义是允许爬寻cgi-bin目录下面的目录
Allow: /tmp 这里定义是允许爬寻tmp的整个目录
Allow: .htm$ 仅允许访问以".htm"为后缀的URL。
Allow: .gif$ 允许抓取网页和gif格式图片
Sitemap: 网站地图 告诉爬虫这个页面是网站地图
Last Modified: April 15, 2022
Leave a Comment

15 Comments
  1. 不凡 不凡

    有有个二级域名用来听歌的,也写了不允许所有爬虫抓取,但是百度还是收录了,我查了一些资料,robots没写错

    1. @不凡有去百度站长后台 检测更新 Robots, 校验链接吗@(疑问)

    2. 不凡 不凡

      @叶小明不需要这个二级域名被收录,所以没有在站长平台提交网址。

    3. @不凡我之前回复页被百度重复收录了, 后面设置Robots为不收录,百度过了好几天才把重复的收录删了

    4. 不凡 不凡

      @叶小明那这二级域名还需要在站长平台添加网站吗?

    5. @不凡应该是需要的,我看校验网址的前面会默认选择站长平台提交的域名

    6. 不凡 不凡

      @叶小明也对噢,空了试下。
      不允许所有爬虫,应该是这样填写是吗:
      User-agent: *
      Disallow: /

    7. @不凡是的#(小眼睛)

    8. 不凡 不凡

      @叶小明我看了二级域名下的robots.txt,是去年6月份创建的,前几天查收录量看到不该被收录的二级域名在第一页出现了。

  2. 朝阳群众 朝阳群众

    哈哈,robots还是要特别注意的。。@(哈哈)

    1. @朝阳群众确实重要

  3. 还有人在乎权重?

    1. @林林有总比没有好@(挖鼻)

  4. 不折腾就是最大的折腾@(你懂的)

    1. @晨岩@(挖鼻)貌似是这道理