优化WordPress的robots.txt让博客更健康

WordPress目前全球有数千万用户，包括独立博客和博客平台，且很多人把Wordpress开发成CMS来使用。Wordpress程序的优越性就不用多说了。

讲Wordpress的robots.txt优化之前，先对robots.txt的相关知识普及一下。

robots.txt是一个存放在网站根目录下的纯文本文件（ASCII编码），这个文件用于指定spider在您网站上的抓取范围，一定程度上保护站点的安全和隐私。同时也是网站优化利器，例如屏蔽捉取站点的重复内容页面。

robots.txt目前并不是一种标准，只是一种协议！所以现在很多搜索引擎对robots.txt里的指令参数都有不同的看待。

使用robots.txt需要注意的几点地方：

1、指令区分大小写，忽略未知指令，下图是本博客的robots.txt文件在Google管理员工具里的测试结果；

好像还是不支持中文等非英文字符，如需添加中文地址指令，请先转码（UTF-8和GBK会有不同的转码结果）。

如果想第一时间知道自己写的robots.txt是否规范，可以用Google管理员工具的“像 Googlebot 一样抓取”功能。捉取后，点击“成功”那个链接进去，就可以看到Google眼中的robots.txt了。

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。

想了解更多关于robots.txt的“标准化”说明，可以查看robots.txt官网和Google关于robots.txt的说明页。

转入正题。因为Wordpress建站设置不同的固定链接（或者安装不同的插件），在写指令的时候，相应的地址会不同。本博客固定链接设置为：/a/%post_id%.html，供参考。

下面开始Wordpress的robots.txt优化之旅，同时请下载本博客的robots.txt边看边学优化。

User-agent： *

一般博客的robots.txt指令设置都是面对所有spider程序，用通配符“*”即可。如果有独立User-agent的指令规则，尽量放在通配“*”User agent规则的上方。

Disallow： /wp-admin/

Disallow： /wp-content/

Disallow： /wp-includes/

屏蔽spider捉取程序文件，同时也节约了搜索引擎蜘蛛资源。

Disallow： /*/trackback

每个默认的文章页面代码里，都有一段trackback的链接，如果不屏蔽让蜘蛛去捉取，网站会出现重复页面内容问题。

Disallow： /feed

Disallow： /*/feed

Disallow： /comments/feed

头部代码里的feed链接主要是提示浏览器用户可以订阅本站，而一般的站点都有RSS输出和网站地图，故屏蔽搜索引擎捉取这些链接，节约蜘蛛资源。

Disallow： /?s=*

Disallow： /*/?s=*

这个就不用解释了，屏蔽捉取站内搜索结果。站内没出现这些链接不代表站外没有，如果收录了会造成和TAG等页面的内容相近。

Disallow： /?r=*

屏蔽留言链接插件留下的变形留言链接。（没安装相关插件当然不用这条指令）

Disallow： /*.jpg$

Disallow： /*.jpeg$

Disallow： /*.gif$

Disallow： /*.png$

Disallow： /*.bmp$

屏蔽捉取任何图片文件，在这里主要是想节约点宽带，不同的网站管理员可以按照喜好和需要设置这几条指令。

Disallow： /?p=*

屏蔽捉取短链接。默认头部里的短链接，百度等搜索引擎蜘蛛会试图捉取，虽然最终短链接会301重定向到固定链接，但这样依然造成蜘蛛资源的浪费。

Disallow： /*/comment-page-*

Disallow： /*?replytocom*

屏蔽捉取留言信息链接。一般不会收录到这样的链接，但为了节约蜘蛛资源，也屏蔽之。

Disallow： /a/date/

Disallow： /a/author/

Disallow： /a/category/

Disallow： /?p=*&preview=true

Disallow： /?page_id=*&preview=true

Disallow： /wp-login.php

屏蔽其他的一些形形色色的链接，避免造成重复内容和隐私问题。

Sitemap:http://***.com/sitemap.txt

网站地图地址指令，主流是txt和xml格式。告诉搜索引擎网站地图地址，方便搜索引擎捉取全站内容，当然你可以设置多个地图地址。要注意的就是Sitemap的S要用大写，地图地址也要用绝对地址。

上面的这些Disallow指令都不是强制要求的，可以按需写入。也建议站点开通谷歌管理员工具，检查站点的robots.txt是否规范。

本站robots.txt里的指令解释会永久保留，http://yihuiblog.com/robots.txt。大家可以收藏，方便修改的时候用作参考。

标签： sitemap robots.txt 搜索引擎蜘蛛 

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点！
本站所提供的图片等素材，版权归原作者所有，如需使用，请与原作者联系。