WordPress利用Robots协议优化站点收录率

Robots协议了解:

Robots文件(也称为爬虫协议、机器人协议等),它的全称是“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。

WordPress利用Robots协议优化站点收录率插图

如何编写和使用robots.txt

大概了解 Robots 协议的作用后,下面具体说一下站点如何编写 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。

但这些设置还是远远不够的,比较完整的 WordPress 站点 robots.txt 文件内容如下:可以参考。

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.ly522.com/sitemap.xml

具体使用: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。

协议各项作用了解:

  1. 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。
  2. Disallow: /*/comment-page-* 和 Disallow: /*?replytocom=*
    禁止搜索引擎抓取评论分页等相关链接。
  3. 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。
  4. Disallow: /*/trackback
    禁止搜索引擎抓取收录 trackback 等垃圾信息
  5. 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。
  6. Disallow: /?s=* 和 Disallow: /*/?s=*\
    禁止搜索引擎抓取站内搜索结果
  7. 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。

上面只是些基本的写法,当然还有很多,不过够用了。

© 版权声明
THE END
喜欢点个赞支持一下吧
点赞0赏币 分享
评论交流 抢沙发

请登录后发表评论

    暂无评论内容