百度爬虫:网站禁止搜索引擎爬虫爬取是为什么

  方法、通过Robots协议robots.txt文件屏蔽搜索引擎

  Robots协议(也称为爬虫协议、机器人协议等),全称是“网络爬虫排除标准”(Robots Exclusion Protocol),网站通过robots.txt协议文件告诉搜索引擎哪些页面可以抓取,哪些页面不能抓取。当个搜索引擎蜘蛛访问个站点时,它会首先检查该站点根目录下是否存在robots.txt文件,如果存在,搜索机器人会按照该文件中的内容来确定访问的范围;如果该文件不存在,所有的搜索蜘蛛将能够访问网站上所有没有被口令保护的页面。因此,如果我们不希望搜索引擎抓取网站时,可以通过robots.txt来屏蔽掉搜索引擎蜘蛛,robots.txt具体的使用方法请参考百度百科词条“robots.txt协议”

  方法二、通过.htaccess文件屏蔽搜索引擎

  每个搜索引擎的爬虫都有自己的User-Agent,通过User-Agent告诉别人自己的身份信息,因此,我们可以用.htaccess文件来屏蔽某个(某些)User-Agent的访问来达到屏蔽某个(某些)搜索引擎爬虫抓取网站。:

  本文由百度爬虫整理,此文观点不代表本站观点

本文地址:百度爬虫:网站禁止搜索引擎爬虫爬取是为什么:/news/school/1180.html

 
®关于本站文章™ | 若非注明原创,默认 均为网友分享文章,如有侵权,请联系我们™
㊣ 本文永久链接: 百度爬虫:网站禁止搜索引擎爬虫爬取是为什么