WordPress利用 Robots.txt 优化站点收录

Robots 协议(也称为爬虫协议、机器人协议等)的全称是“网络爬虫排除标准”(Robots Exclusion Protocol),网站通过 Robots 协议告诉搜索引擎哪些页面可以抓取,哪些页面不能抓取。搜索引擎机器人访问网站时,首先会寻找站点根目录有没有 robots.txt 文件,如果有这个文件就根据文件的内容确定收录范围,如果没有就按默认访问以及收录所有页面。另外,当搜索蜘蛛发现不存在 robots.txt 文件时,会产生一个404错误日志在服务器上,从而增加服务器的负担,因此为站点添加一个 robots.txt 文件还是很重要的。

image.png

知道 Robots 协议的作用后,下面具体说一下 WordPress 站点如何编写 robots.txt 文件。WordPress 站点默认在浏览器中输入:http://你的域名/robots.txt ,会显示如下内容:

User-agent: *

Disallow: /wp-admin/

Disallow: /wp-includes/

这是由 WordPress 自动生成的,意思是告诉搜索引擎不要抓取后台程序文件。但这是远远不够的,比较完整的 WordPress 站点 robots.txt 文件内容如下:

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/

Sitemap: https://www.phpweb.com.cn/sitemap.xml

使用方法:

新建一个名称为 robots.txt 文本文件,将上面的内容放进去,然后上传到网站根目录即可。

下面分别解释一下各项的作用:

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。

Disallow: /*/comment-page-* 和 Disallow: /*?replytocom=*

禁止搜索引擎抓取评论分页等相关链接。

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。

Disallow: /*/trackback

禁止搜索引擎抓取收录 trackback 等垃圾信息

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。

Disallow: /?s=* 和 Disallow: /*/?s=*

禁止搜索引擎抓取站内搜索结果

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。

此文由“快兔兔AI采集器”自动生成,目的为演示采集器效果,若侵权请及时联系删除。

原文链接:https://www.100cm.cn/article-135-896.html

更多内容