欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  网络运营

怎么利用robots文件做好网站优化让蜘蛛更好的抓取网站?

程序员文章站 2023-11-11 10:41:46
怎么利用robots文件做好网站优化让蜘蛛更好的抓取网站?网站中有很多东西抓取了反而不利于网站排名,怎么设置让百度蜘蛛选择性抓取页面呢?其实我们可以巧妙的利用robots文件,详细内... 15-12-09...

  robots文件存在于网站根目录,是用来告诉百度蜘蛛那些应该抓取,那些不应该抓取。正确使用robots文件有助于做好seo优化,robots文件的核心词汇就是allow和disallow用法。百度官网是认可这个文件的,在百度站长平台上也有robots这个栏目,点击进入,就可以看到你网站robots文件是否编写正确了。

  百度robots文件使用说明

  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工具暂不支持https站点。

  4、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。

  

怎么利用robots文件做好网站优化让蜘蛛更好的抓取网站?

  上图我给的一个例子中,disallow语句有问题,原因是把英文的冒号写成了中文的冒号。

  当然直接输入网站根目录加上robtots.txt文件也可以

  

怎么利用robots文件做好网站优化让蜘蛛更好的抓取网站?

  user-agent:*   是用来置顶那些搜索引擎蜘蛛可以抓取的,一般默认设置

  disallow:/category/*/page/ 分类目录下面翻页后的链接,比如,进入校赚网分类目录 "推广运营经验"目录后,在翻页一次,就成了 stcash.com/category/tuiguangyunying/page/2形式了

  disallow:/?s=* disallow:/*/?s=*  搜索结果页面和分类目录搜索结果页面,这里没必要再次抓取。

  disallow:/wp-admin/ disallow:/wp-content/ disallow:/wp-includes/   这三个目录是系统目录,一般都是屏蔽蜘蛛抓取

  disallow:/*/trackback  trackback的链接

  disallow:/feed disallow:/*/feed disallow:/comments/feed  订阅链接

  disallow:/?p=*   文章短链接,会自动301跳转到长连接

  例如,朱海涛博客之前就被收录过短连接

怎么利用robots文件做好网站优化让蜘蛛更好的抓取网站?

  disallow:/*/comment-page-*   disallow:/*?replytocom* 这两个我在之前文章有过说明,来自于评论链接,很容易造成重复收录。

  在robots.txt文件的最后还可以制定sitemap文件 sitemap:http://***.com/sitemap.txt

  sitemap地址指令,主流是txt和xml格式。在这里分享一段张戈所写txt格式的simemap文件。

  将上述代码保存到txt文件,上传到根目录,并且在robots.txt文件中指定即可

  这里给大家共享下我的robots.txt文件

复制内容到剪贴板
  1.   user-agent: *   
  2.   
  3.   disallow:/wp-admin/   
  4.   
  5.   disallow: /*/comment-page-*  
  6.  
  7.   disallow: /*?replytocom*  
  8.  
  9.   disallow: /wp-content/  
  10.  
  11.   disallow: /wp-includes/  
  12.  
  13.   disallow: /category/*/page/   
  14.   
  15.   disallow: /*/trackback  
  16.  
  17.   disallow: /feed  
  18.  
  19.   disallow: /*/feed   
  20.   
  21.   disallow: /comments/feed   
  22.   
  23.   disallow: /?s=*   
  24.   
  25.   disallow: /*/?s=*\  
  26.  
  27.   disallow: /attachment/  
  28.  
  29.   disallow: /tag/*/page/   
  30.   
  31.   sitemap: http://www.stcash.com/sitemap.xml