禁止搜索引擎收录的方法——Robots文件设置

3. 我在robots.txt中设置了榨取百度收录我网站的内容，为何还泛起在百度搜索效果中？

若是其他网站链接了您robots.txt文件中设置的榨取收录的网页，那么这些网页仍然可能会泛起在百度的搜索效果中，但您的网页上的内容不会被抓取、建入索引和显示，百度搜索效果中展示的仅是其他网站对您相关网页的形貌。

4. 榨取搜索引擎跟踪网页的链接，而只对网页建索引

若是您不想搜索引擎追踪此网页上的链接，且不转达链接的权重，请将此元标志置入网页的 部门：
<meta name="robots" content="nofollow">

若是您不想百度追踪某一条特定链接，百度还支持更准确的控制，请将此标志直接写在某条链接上：
<a href="signin.php" rel="nofollow">sign in</a>

要允许其他搜索引擎跟踪，但仅防止百度跟踪您网页的链接，请将此元标志置入网页的部门：
<meta name="Baiduspider" content="nofollow">

5. 榨取搜索引擎在搜索效果中显示网页快照，而只对网页建索引

要防止所有搜索引擎显示您网站的快照，请将此元标志置入网页的部门：
<meta name="robots" content="noarchive">
要允许其他搜索引擎显示快照，但仅防止百度显示，请使用以下标志：
<meta name="Baiduspider" content="noarchive">
注：此标志只是榨取百度显示该网页的快照，百度会继续为网页建索引，并在搜索效果中显示网页摘要。

6. 我想榨取百度图片搜索收录某些图片，该若何设置？

榨取Baiduspider抓取网站上所有图片、榨取或允许Baiduspider抓取网站上的某种特命名堂的图片文件可以通过设置robots实现，请参考“robots.txt文件用法举例”中的例10、11、12。

7. robots.txt文件的名堂

"robots.txt"文件包罗一条或更多的纪录，这些纪录通过空行脱离（以CR,CR/NL, or NL作为竣事符），每一条纪录的名堂如下所示：

<field>:<optional space><value><optional space>

在该文件中可以使用#举行注解，详细使用要领和UNIX中的老例一样。该文件中的纪录通常以一行或多行User-agent起先，后面加上若干Disallow和Allow行,详细情形如下：

User-agent:

该项的值用于形貌搜索引擎robot的名字。在"robots.txt"文件中，若是有多条User-agent纪录说明有多个robot会受 到"robots.txt"的限制，对该文件来说，至少要有一条User-agent纪录。若是该项的值设为*，则对任何robot均有用， 在"robots.txt"文件中，"User-agent:*"这样的纪录只能有一条。若是在"robots.txt"文件中，加入"User- agent:SomeBot"和若干Disallow、Allow行，那么名为"SomeBot"只受到"User-agent:SomeBot"后面的 Disallow和Allow行的限制。

Disallow:

该项的值用于形貌不希望被会见的一组URL，这个值可以是一条完整的路径，也可以是路径的非空前缀，以Disallow项的值开头的URL不会被 robot会见。例如"Disallow:/help"榨取robot会见/help.html、/helpabc.html、/help /index.html，而"Disallow:/help/"则允许robot会见/help.html、/helpabc.html，不能会见 /help/index.html。"Disallow:"说明允许robot会见该网站的所有url，在"/robots.txt"文件中，至少要有一条Disallow纪录。若是"/robots.txt"不存在或者为空文件，则对于所有的搜索引擎robot，该网站都是开放的。

Allow:

该项的值用于形貌希望被会见的一组URL，与Disallow项相似，这个值可以是一条完整的路径，也可以是路径的前缀，以Allow项的值开头 的URL 是允许robot会见的。例如"Allow:/hibaidu"允许robot会见/hibaidu.htm、/hibaiducom.html、 /hibaidu/com.html。一个网站的所有URL默认是Allow的，以是Allow通常与Disallow搭配使用，实现允许会见一部门网页同时榨取会见其它所有URL的功效。

需要稀奇注重的是Disallow与Allow行的顺序是有意义的，robot会凭证*****个匹配乐成的Allow或Disallow行确定是否会见某个URL。

使用"*"and"$"：
Baiduspider支持使用通配符"*"和"$"来模糊匹配url。
"$" 匹配行竣事符。
"*" 匹配0或多个恣意字符。

注：我们会严酷遵守robots的相关协议，请注重区分您不想被抓取或收录的目录的巨细写，我们会对robots中所写的文件和您不想被抓取和收录的目录做准确匹配，否则robots协议无法生效。

8. URL匹配举例

Allow或Disallow的值	URL	匹配效果
/tmp	/tmp	yes
/tmp	/tmp.html	yes
/tmp	/tmp/a.html	yes
/tmp	/tmphoho	no
/Hello*	/Hello.html	yes
/He*lo	/Hello,lolo	yes
/Heap*lo	/Hello,lolo	no
html$	/tmpa.html	yes
/a.html$	/a.html	yes
htm$	/a.html	no

9. robots.txt文件用法举例

例1. 榨取所有搜索引擎会见网站的任何部门	User-agent: * Disallow: /
例2. 允许所有的robot会见 (或者也可以建一个空文件 "/robots.txt")	User-agent: * Allow: /
例3. 仅榨取Baiduspider会见您的网站	User-agent: Baiduspider Disallow: /
例4. 仅允许Baiduspider会见您的网站	User-agent: Baiduspider Allow: / User-agent: * Disallow: /
例5. 仅允许Baiduspider以及Googlebot会见	User-agent: Baiduspider Allow: / User-agent: Googlebot Allow: / User-agent: * Disallow: /
例6. 榨取spider会见特定目录 在这个例子中，该网站有三个目录对搜索引擎的会见做了限制，即robot不会会见这三个目录。需要注重的是对每一个目录必须脱离声明，而不能写成 "Disallow: /cgi-bin/ /tmp/"。	User-agent: * Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /~joe/
例7. 允许会见特定目录中的部门url	User-agent: * Allow: /cgi-bin/see Allow: /tmp/hi Allow: /~joe/look Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /~joe/
例8. 使用"*"限制会见url 榨取会见/cgi-bin/目录下的所有以".htm"为后缀的URL(包罗子目录)。	User-agent: * Disallow: /cgi-bin/*.htm
例9. 使用"$"限制会见url 仅允许会见以".htm"为后缀的URL。	User-agent: * Allow: /*.htm$ Disallow: /
例10. 榨取会见网站中所有的动态页面	User-agent: * Disallow: /*?*
例11. 榨取Baiduspider抓取网站上所有图片 仅允许抓取网页，榨取抓取任何图片。	User-agent: Baiduspider Disallow: /*.jpg$ Disallow: /*.jpeg$ Disallow: /*.gif$ Disallow: /*.png$ Disallow: /*.bmp$
例12. 仅允许Baiduspider抓取网页和.gif名堂图片 允许抓取网页和gif名堂图片，不允许抓取其他名堂图片	User-agent: Baiduspider Allow: /*.gif$ Disallow: /*.jpg$ Disallow: /*.jpeg$ Disallow: /*.png$ Disallow: /*.bmp$
例13. 仅榨取Baiduspider抓取.jpg名堂图片	User-agent: Baiduspider Disallow: /*.jpg$

10. robots.txt文件参考资料

robots.txt文件的更详细设置,请参看以下链接：
Web Server Administrator's Guide to the Robots Exclusion Protocol
HTML Author's Guide to the Robots Exclusion Protocol
The original 1994 protocol description, as currently deployed
The revised Internet-Draft specification, which is not yet completed or implemented