很多建站新手对 robots.txt 文件的重要作用不是很清楚,利用这篇文章普及一下 WordPress 站点 robots.txt 文件编写知识。

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。

知道 Robots 协议的作用后,下面具体说一下 WordPress 站点如何编写 robots.txt 文件。

WordPress 站点默认在浏览器中输入:http://你的域名/robots.txt,会显示如下内容:

1

2

3
User-agent: *

Disallow: /wp-admin/

Disallow: /wp-includes/

这是由 WordPress 自动生成的,意思是告诉搜索引擎不要抓取后台程序文件。

但这是远远不够的,比较完整的 WordPress 站点 robots.txt 文件内容如下:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15
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/

使用方法:新建一个名称为 robots.txt 文本文件,将上面的内容放进去,然后上传到网站根目录即可。或者直接从下方下载链接里面下载 rebots.txt,然后直接上传网站根目录即可。

下面分别解释一下各项的作用:

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。

上面只是些基本的写法,当然还有很多,不过够用了。

 

2015-07-25T12:08:57+08:00发表于:2015-07-25|WordPress|