利用 robots.txt 优化 WordPress 站点

robots.txt 是网站根目录下边的一个文本文件，文件名大小写敏感，必须小写。 robots.txt 告诉来爬取网站内容的搜索引擎蜘蛛哪些网站内容不需要抓取，哪些可以抓取。搜索引擎蜘蛛来抓取网站页面时首先读取 robots.txt 确定网站页面的抓取范围。如果不存在 robots.txt，会在服务器上产生一个 404 错误日志，加重服务器的负担，因此 robots.txt 的存在很有必要，如果你的网站 robots.txt 写的合理，可以优化搜索引擎蜘蛛的抓取效率，让搜索引擎更加偏爱你的网站，从而达到优化 WordPress 站点的目的。

WordPress 自动生成一个 robots.txt，即使你的 WordPress 网站根目录没有 robots.txt 文件，你在浏览器中输入 http://你的域名/robots.txt，会显示：

User-agent: *

Disallow: /wp-admin/

Disallow: /wp-includes/

以上语句是告诉搜索引擎蜘蛛不要抓取 WordPress 后台文件。

比较完整的 WordPress robots.txt 文件应该是这样的：

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/

使用方法：新建一个名称为 robots.txt 文本文件，将上面的内容拷贝进去，然后上传到 WordPress 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。

使用 robots.txt 需要注意的几点地方：

1 、指令区分大小写，忽略未知指令

2 、每一行代表一个指令，空白和隔行会被忽略;

3 、 「#」 号后的字符参数会被忽略;

4 、有独立 User-agent 的规则，会排除在通配 「*」User agent 的规则之外;

5 、可以写入 sitemap 文件的链接，方便搜索引擎蜘蛛爬行整站内容。

6 、尽量少用 Allow 指令，因为不同的搜索引擎对不同位置的 Allow 指令会有不同看待。