虽然建设网站的目的大部分是为叻优化搜索引擎排名实现互联网营销,但特殊情况下仍会遇到“不希望搜索引擎收录”的需求,这里给出终极、有效的禁止百度等搜索引擎收录的解决方案
一、Robots.txt只能禁止抓取,无法禁止收录
很多人认为rohots.txt也已禁止百度收录这是严重的误解,robots.txt文件可以告诉搜索引擎哪些目录和文件可以抓取哪些不可以。经过实践发现即使禁止搜索引擎抓取根目录,robots文件也并不能实现禁止百度等搜索引擎收录如果一個网站的外链较多,基本上无法通过正常手段禁止百度收录淘宝便是一个典型的案例(淘宝的robots.txt设置为禁止抓取根目录,但首页依然被收錄)关于robots.txt的作用、文件格式、使用方法,可参考
二、通过Nginx判断user_agent禁止百度等搜索引擎访问,实现禁止收录
既然不能直接禁止抓取那就幹脆禁止百度蜘蛛等搜索引擎访问,思路是:判断user_agent如果是百度蜘蛛、谷歌机器人等搜索引擎的user_agent,就返回403或者404这样百度等搜索引擎就会認为这个网站无法打开或者不存在,自然也就不会收录了
Nginx的配置代码如下:
通过curl模拟搜索引擎抓取,测试以上代码有效并在多次项目實践中验证了此方法的可行性,实现了彻底禁止百度收录!