避免无效收录，robots优化—我的个站之路

磕磕碰碰地往前走，百度收录一直不理想。要么收录无效页面，要么收录刷刷往下掉。头疼，学习中。

一、网站有那些常规页面属于无效收录?

1、登录页，注册页。

2、站内搜索页。

3、购物车页面。

4、企业新闻

5、404页面

6、个人中心。

7、签到页面。

8、评论的动态页。

以上这些页面等等这些常见的页面都要屏蔽搜索引擎的抓取的。

二，利用robots协议进行优化

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。

（一）使用robots协议需要注意的几点地方：

1、指令区分大小写，忽略未知指令。

2、每一行代表一个指令，空白和隔行会被忽略。

3、“#”号后的字符参数会被忽略。

4、有独立User-agent的规则，会排除在通配“*”User agent的规则之外。

5、可以写入sitemap文件的链接，方便搜索引擎蜘蛛爬行整站内容。

6、尽量少用Allow指令，因为不同的搜索引擎对不同位置的Allow指令会有不同看待。

7、robots.txt 文件必须放在网站的根目录，不可以放在子目录。

（二）robots协议文件写法：

1、User-agent: * 这里的*代表的所有的搜索引擎种类，*是一个通配符

2、Disallow: /admin/ 这里定义是禁止爬寻admin目录下面的目录

3、Disallow: /require/ 这里定义是禁止爬寻require目录下面的目录

4、Disallow: /ABC/ 这里定义是禁止爬寻ABC目录下面的目录

5、Disallow: /cgi-bin/*.htm 禁止访问/cgi-bin/目录下的所有以”.htm”为后缀的URL(包含子目录)

6、Disallow: /*?* 禁止访问网站中所有包含问号 (?) 的网址

7、Disallow: /.jpg$ 禁止抓取网页所有的.jpg格式的图片

8、Disallow:/ab/adc.html 禁止爬取ab文件夹下面的adc.html文件

9、Allow: /cgi-bin/　这里定义是允许爬寻cgi-bin目录下面的目录

10、Allow: /tmp 这里定义是允许爬寻tmp的整个目录

11、Allow: .htm$ 仅允许访问以”.htm”为后缀的URL

12、Allow: .gif$ 允许抓取网页和gif格式图片

13、Sitemap: 网站地图 告诉爬虫这个页面是网站地图

（三）robots协议文件实际说明：

1、User-agent: * //设置robots规则适用的浏览者身份为全部UA身份

2、Disallow: /*?* //屏蔽掉页面中的动态路径

3、Disallow: /?p=* //屏蔽掉非固定链接的文章页面路径，因为每个页面中都会有一个shortlink使用的是?p= 的路径。

4、Disallow: /index.php //屏蔽掉首页默认页面的index.php 页面地址

5、Disallow: /wp-admin //屏蔽掉后台登陆页面地址，主要是考虑到服务器安全

6、Disallow: /wp-content/plugins //屏蔽掉wordpress的插件目录

7、Disallow: /wp-content/themes //屏蔽掉wordpress的模板目录

8、Disallow: /wp-includes //屏蔽掉wordpress的底层程序目录

9、Disallow: /trackback //屏蔽wordpress的页面回评路径

10、Disallow: /*/*/trackback //屏蔽wordpress分类目录、文章页面的回评路径

11、Disallow: /feed //屏蔽wordpress的内容订阅路径

12、Disallow: /*/*/feed //屏蔽wordpress分类目录、文章页面的订阅路径

13、Disallow: /comments/feed //屏幕wordpress评论的订阅路径

14、Disallow: /page/ //屏蔽默认的翻页路径

15、Disallow: /*/*/page/ //屏蔽分类目录的翻页路径

16、Disallow: /page/1$ //屏蔽翻页路径中的数字路径

17、Disallow: /tag/ //屏蔽标签页面

18、Disallow: /?s=* //屏蔽搜索结果路径，主要是避免搜索结果的缓存被搜索引擎收录

19、Disallow: /date/ //屏蔽按日期分类显示的列表页面

20、Disallow: /author/ //屏蔽作者文章列表页面

21、Disallow: /category/ //屏蔽以category为起始路径的分类路径，如果您没有使用插件生成不带category前缀的路径时，请不要使用此项规则。

22、Disallow: /wp-login.php //屏蔽后台登陆页面

（四）robots协议设置方法

写好之后把文件重命名为：robots.txt 然后用FTP上传到网站的根目录下面，切记不是主题的根目录下而是网站的根目录。

（五）如何查看robots协议：

1、WordPress站点默认在浏览器中输入：http://你的域名/robots.txt

比如芭莳圈：http://basequan.com/robots.txt

2、打开FTP，找到网站根目录查看robots.txt文件

三、生成站点地图

XML版本网站地图相对来说是动态的，可以显示网站内容的更新频率。　　最大的优势在于，XML形式的网站地图就是为了方便蜘蛛抓取而编写的，告诉蜘蛛，需要收录什么，对于蜘蛛来说，友好性更高。

我用的是插件，DX-seo，还算好用。

在线看小说请关注公众号：小芭推书！ PS：近期盗版猖獗，“芭莳网”原创书评和书单，未经授权禁止转载。若强盗行径，天地宇宙可鉴，视违规转载方默认将这辈子的所有好运归芭莳圈站长所有！

原文链接：https://www.basequan.cn/831.html