WordPress robots.txt文件配置及sitemap配置详解
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。
下面WPMI(微信公众号:wordpress迷)就说下详细的过程: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 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: /*?* Disallow: /attachment/ Sitemap: https://www.jianzhanmi.com/sitemap.xml Sitemap: https://www.jianzhanmi.com/sitemap2.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。
注意 sitemap,有几个 sitemap 就写几个即可。
配置解释
下面分别解释一下各项的作用:
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: /*?*
禁止搜索抓取动态页面
8、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。
本文由 微信公众号:WordPress迷 原创发布。
著作权均归用户本人所有。独家文章转载,请联系本站管理员。获得授权后,须注明本文地址! 本文地址:https://www.jianzhanmi.com/robots.html