屏蔽百度蜘蛛的几种方法.docVIP

一般情况下，网站建立并运营之后总是希望被搜索引擎收录的数量越多越好。但这只是通常情况下，大部分人所希望的。有些时候，我们还是会希望搜索引擎蜘蛛不要访问网站的某些文件夹，当然也有不希望搜索引擎收录的页面。比如说，网站刚刚建立并没有真正投入运营，还没有实质性的内容时；还有过多的收录页面导致网站权重的分散，而恰恰你想要聚拢权重到某些个最重要的页面时；再比如建立一个镜像网站，并主要通过其他的推广手段（这里指除了SEO以外的推广方法）对网站进行运营时而搜索引擎收录网站页面是需要通过蜘蛛访问网站，并对页面内容进行抓取。所以通常情况下，想要阻止搜索引擎的收录就需要限制、屏蔽蜘蛛的访问与抓取。下面笔者介绍几种常用的屏蔽蜘蛛抓取的方法。1.robots.txt规则文件。大家都知道robots.txt是指引搜索引擎蜘蛛对该网站访问与否的规则，平时运用的也比较多。一般的建议是不论网站是否有需要屏蔽收录的内容，都要在根目录下建立robots.txt文件。robots.txt文件规则的写法很简单，比如需要屏蔽某一个搜索引擎的蜘蛛访问所有目录，就这样写：User-agent:GooglebotDisallow:/再比如禁止所有蜘蛛访问、抓取某一个目录则：User-agent:*Disallow:/admin/2.robots Meta标签。如果说robots.txt是一个放在网站中的规则文件，那robots Meta就是放在某个网页中的标签。两者的实际功能是大致相同的，但robots.txt是大部分搜索引擎都支持的方式，而后者却是大部分搜索引擎都不支持的。另外相比较下，robots Meta用来对某几个页面单独设置时使用。robots Meta标签必须存放在“head…/head”代码之内：head…meta name=”robots” content=”index,follow” //head其中“index”指的是索引，“follow”指的是跟踪链接并传递相应的权重。当然相应的还有“noindex”和“nofollow”，功能则正好相反。3.服务器配置文件。这种方法是最不常见的屏蔽蜘蛛的方法，主要用于屏蔽那些“不恪守”robots.txt规则的蜘蛛。方法就是一段时间的分析网站日志，发现需要屏蔽的蜘蛛以及它的ip。然后通过服务器的配置文件将其屏蔽，从而实现屏蔽某一个蜘蛛抓取网站。当然这种方法运用起来并不灵活，比如不能屏蔽蜘蛛单独对某一个文件夹（或网页）的抓取。因服务器及其系统的不同，具体还请参见相关设置方法。除以上提到的三种屏蔽蜘蛛抓取的方法以外，应该是有其他的方法可以达到屏蔽蜘蛛抓取的目的，欢迎各位高手在闲暇之时予以补充。但就以上三种方法而言，第一种robots.txt规则文件的运用更为广泛。