|
|
|
1.概述 在分析这个问题之前，其实要先明白一个事情： 我们为啥要研究如何控制百度抓取和展现的问题？ 原因在于：一个网站有成千上万的网页；并不需要每一个页面都展现给客户；也就是说不需要每一个页面都需要百度去抓取；同时每天百度来抓取我们网站的力度是有限的，我们要保证百度抓取的效率；把一些不相干的，杂乱的因素帮百度蜘蛛清理掉；让百度蜘蛛专心抓取我们认为能够对访客有用的网页。 日志分析完之后，了解了目前蜘蛛爬行的状况，重点就一些列表页，不希望蜘蛛对它进行爬行,同时有一些列表页已经被索引，要从索引中将这些列表页删除; 下面将论述如何来处理这些页面。 2.如何不让蜘蛛爬行和抓取列表页 对于不希望蜘蛛爬行和索引的列表页，可进行以下处理: 1．在robots.txt 文件中，将不希望访问的页面进行Disallow，如下图所示： 对于:User-agent的处理，使用的是*；是针对所有的搜索引擎蜘蛛； 在此robots.txt中，经过长期的日志分析，已经去除了很多不相关的爬行目标，比如：图片类，样式表类，JS等脚本文件类等； 2．对于具体的产品的供应商列表页，这类页面想索引，但是分页页面不希望被索引。 这里面的分页部分，对于链接Url进行nofollow，如下图所示： 3．对于图片类的，我不希望进行索引，并同样通过robots.txt进行控制，如下图所示： 3. 如何将已经索引的列表页从百度索引中删除 1．对于已经收录的列表页，特别是一些希望客户访问的产品供应商页的分页列表；可进行noindex，nofollow如下处理: 2．对于一些目前已经被百度索引，但是确实已经不存在的页面，可直接编写一个sitemap文件，到百度站长平台进行死链提交； 当然，如果希望百度继续索引你的网页，但是不在快照中显示，那么我们可以通过在网页中增加meta标签的方式来处理设置： <metaname=“robots”content=“noarchive”>这个是针对所有搜索引擎的； 如果想仅针对百度，可以这么写： <metaname=“Baiduspider”content=“noarchive”> 不过一般不建议这么做。 以上是我目前对于自己网站不让百度收录的一些做法。 |
|
发表于 2020-7-1 01:37