Robots.txt在项目中的运用

    技术2023-12-24  56

    在开发公司一个项目的过程中,有这样一个需求

    该网站上面有一个search功能,可以search该网站上的任何包括特定内容的网页

    现在有一个需求,就是针对几个特定的页面,我们希望网站上的search功能查找不到它们,同时呢,还需要搜索引擎(比如 google, bing等)无法搜索到这几个页面

    关于网站上自带的search功能查找不到这几个网页,在后台使用C#代码就可以实现

    而如何来确保搜索引擎(eg: google, bing等)无法搜索到这几个页面,如何实现呢

    我采取的是使用Robots.txt来实现

    Robots.txt原来的内容如下:

    User-agent: * Sitemap: https://mysite.com/sitemap.xml

     

    这个表示任何搜索引擎,抓取工具的用户代理都可以访问这个网站的所有页面资源. 网站的地图文件位于 https://mysite.com/sitemap.xml

    假设我们需要针对搜索引擎屏蔽的文件如下: https://mysite.com/mytest1 https://mysite.com/mytest2 https://mysite.com/mytest3 那么,我们需要修改Robots.txt文件如下 User-agent: * Sitemap: https://mysite.com/sitemap.xml disallow: /mytest1 disallow: /mytest2 disallow: /mytest3

    这样,就可以确保这三个页面不被任何搜索引擎抓取

    Processed: 0.017, SQL: 9