robots.txt文件里面怎样屏蔽蜘蛛

 

robots.txt文件，是每个网站都可以用来跟，遵循robots协议的搜索引擎蜘蛛，进行对话的一段代码。

我们先来看一个列子，让搜索引擎抓取所有的内容，代码如下：

User-agent: *

Allow: /
其中User-agent后面跟的是蜘蛛的名字，如果是所有的蜘蛛都遵守的话，那么就可以用*来代替所有的蜘蛛，如果只是针对某一蜘蛛的话，
那么只需要列出来这个蜘蛛的名字即可。如果不想让蜘蛛来爬取，那么只需要将Allow修改为Disallow，禁止爬取即可，/后面跟的内容就是
禁止或允许爬取的内容。

而有时候蜘蛛爬取过于频繁，那么我们需要添加Crawl-delay这个代码，他的意思是告诉蜘蛛延时多少秒以后再来爬取，我们可以看下实例：

User-agent: *
Crawl-delay: 500

 

前面的内容都一样，不同的是Crawl-delay后面只能跟数字，而且只能是正整数。

我们常用的代码还包括：User-agent、Disallow、Allow以及Crawl-delay等。

 

其实最好的办法你还是尝试下robots.txt文件的设置，在网站的robots.txt文件中加上如下内容：
以百度蜘蛛为例

User-agent: Baiduspider
Disallow: /

　　这种方法如果不能完全屏蔽百度的爬虫，也就是蜘蛛要是不遵守robots协议，我们才要想完全屏蔽百度的爬虫，需要在.htaccess中加入一些语句才可以，下面介绍两种方法。

　　方法1：

RewriteEngine on
RewriteCond %{HTTP_USER_AGENT} ^Baiduspider [NC]
RewriteRule .* - [F]

　　方法2：

SetEnvIfNoCase User-Agent "^Baiduspider" bad_bot

Order Allow,Deny
Allow from all

 

安徽育儿网 http://www.ahyuer.com