WordPress站点的robots.txt

  • A+
所属分类:WordPress
摘要

就robots.txt文件的各个方面展开介绍:什么是robots.txt文件?robots.txt文件的格式,robots.txt文件用法举例,robots.txt文件的使用说明,网站误封Robots的处理方式。

WordPress站点的robots.txt

对于WordPress站点来说,在国内的服务器运行本身就有一定的压力,如果不配置好robots.txt文件,当博客内容越来越多的时候,洪水般的 Spider 访问,如果不加控制,甚至会影响网站的正常访问,这无疑对WordPress SEO是不利的,下面就robots.txt文件的各个问题展开介绍。

什么是robots.txt文件?

Robots是站点与spider沟通的重要渠道,站点通过robots文件声明本网站中不想被搜索引擎收录的部分或者指定搜索引擎只收录特定的部分。

百度站长工具信息:9月11日,百度搜索robots全新升级。升级后robots将优化对网站URL收录抓取情况。仅当您的网站包含不希望被搜索引擎收录的内容时,才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容(一般情况下我们也不希望蜘蛛爬行一些没有意义的内容),请勿建立robots.txt文件。

robots.txt文件的格式

robots文件往往放置于根目录下,包含一条或更多的记录,这些记录通过空行分开(以CR,CR/NL, or NL作为结束符),每一条记录的格式如下所示:

  1. "<field>:<optional space><value><optionalspace>"  

在该文件中可以使用#进行注解,具体使用方法和UNIX中的惯例一样。该文件中的记录通常以一行或多行User-agent开始,后面加上若干Disallow和Allow行,详细情况如下:

User-agent:该项的值用于描述搜索引擎robot的名字。

在"robots.txt"文件中,如果有多条User-agent记录说明有多个robot会受到"robots.txt"的限制,对该文件来说,至少要有一条User-agent记录。如果该项的值设为,则对任何robot均有效,在"robots.txt"文件中,"User-agent:"这样的记录只能有一条。如果在"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:该项的值用于描述不希望被访问的一组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访问。例如"Disallow:/help"禁止robot访问/help.html、/helpabc.html、/help/index.html,而"Disallow:/help/"则允许robot访问/help.html、/helpabc.html,不能访问/help/index.html。"Disallow:"说明允许robot访问该网站的所有url,在"/robots.txt"文件中,至少要有一条Disallow记录。如果"/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:该项的值用于描述希望被访问的一组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访问的。例如"Allow:/hibaidu"允许robot问/hibaidu.htm、/hibaiducom.html、/hibaidu/com.html。一个网站的所有URL默认是Allow的,所以Allow通常与Disallow搭配使用,实现允许访问一部分网页同时禁止访问其它所有URL的功能。

使用""and"$":Baiduspider支持使用通配符""和"$"来模糊匹配url。

"*" 匹配0或多个任意字符
"$" 匹配行结束符。

最后需要说明的是:百度会严格遵守robots的相关协议,请注意区分您不想被抓取或收录的目录的大小写,百度会对robots中所写的文件和您不想被抓取和收录的目录做精确匹配,否则robots协议无法生效。

WordPress站点robots.txt文件用法举例

本小鲤鱼WordPress站点设置的robots.txt文件如下,供大家参考:

  1. User-agent: *  
  2. Disallow: /wp-admin/  
  3. Disallow: /wp-content/  
  4. Disallow: /wp-includes/  
  5. Disallow: /*/comment-page-* 
  6. Disallow: /*?replytocom=* 
  7. Disallow: /*/*page/* 
  8. Disallow: /category/*/page/  
  9. Disallow: /tag/*/page/ 
  10. Disallow: /*/trackback  
  11. Disallow: /feed  
  12. Disallow: /*/feed 
  13. Disallow: /comments/feed 
  14. Disallow: /?s=* 
  15. Disallow: /*/?s=*\  
  16. Disallow: /attachment/  
  17. Sitemap:https://2xiaoliyu.com/sitemap.xml  

robots.txt文件的使用说明

  1. robots.txt可以告诉百度您网站的哪些页面可以被抓取,哪些页面不可以被抓取。
  2. 您可以通过Robots工具来创建、校验、更新您的robots.txt文件,或查看您网站robots.txt文件在百度生效的情况。
  3. Robots工具目前支持48k的文件内容检测,请保证您的robots.txt文件不要过大,目录最长不超过250个字符。

网站误封Robots该如何处理

robots文件是搜索生态中很重要的一个环节,同时也是一个很细节的环节。很多站长同学在网站运营过程中,很容易忽视robots文件的存在,进行错误覆盖或者全部封禁robots,造成不必要损失!

那么如果误操作封禁了robots怎么办?

【处理方式】

1.修改Robots封禁为允许,然后到百度站长后台检测并更新Robots。

2.在百度站长后台抓取检测,此时显示抓取失败,没关系,多点击抓取几次,触发蜘蛛抓取站点。

3.在百度站长后台抓取频次,申请抓取频次上调。

4.百度反馈中心,反馈是因为误操作导致了这种情况的发生。

5.百度站长后台链接提交处,设置数据主动推送(实时)。

6.更新sitemap网站地图,重新提交百度,每天手工提交一次。

以上处理完,接下来就是等待了,一般的,2天的时间数据开始慢慢回升,到第3天基本可以回升到正常状态,前提是你发现的及时,也处理的及时。

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: