如何避免网站个人信息被搜索引擎搜到
2011-09-08 22:45
330 查看
..如果你是把自己信息发在其他的网站..那就没办法了. 如果自己制作的网页.. 在网站根目录下加入一个 ROBOT.txt就可以了.. 以下是制作方法.. 搜索引擎通过一种程序robot(又称spider),自动访问互联网上的网页并获取网页信息。 您可以在您的网站中创建一个纯文本文件robots.txt,在这个文件中声明该网站中不想被robot访问的部分,这样,该网站的部分或全部内容就可以不被搜索引擎收录了,或者指定搜索引擎只收录指定的内容。 一、 什么是robots.txt文件 搜索引擎通过一种程序robot(又称spider),自动访问互联网上的网页并获取网页信 息。您可以在您的网站中创建一个纯文本文件robots.txt,在这个文件中声明该网站中不想被robot 访问的部分,这样,该网站的部分或全部内容就可以不被搜索引擎收录了,或者指定搜 索引擎只收录指定的内容。 二、 robots.txt文件放在哪里 robots.txt文件应该放在网站根目录下。举例来说,当robots访问一个网站(比如 http://www.abc.com)时,首先会检查该网站中是否存在http://www.abc.com/robots.txt 这个文件,如果机器人找到这个文件,它就会根据这个文件的内容,来确定它访问权限的范 围。如: http://www.w3.org/ —— http://www.w3.org/robots.txt http://www.w3.org:80/ —— http://www.w3.org:80/robots.txt http://www.w3.org:1234/ —— http://www.w3.org:1234/robots.txt http://w3.org/ —— http://w3.org/robots.txt 三、 robots.txt文件的格式 “robots.txt”文件包含一条或更多的记录,这些记录通过空行分开(以CR,CR/NL,or NL作为结束符),每一条记录的格式如下所示: “<field>:<optionalspace><value><optionalspace>” 在该文件中可以使用#进行注解,具体使用方法和UNIX中的惯例一样。该文件中的记录 通常以一行或多行User-agent开始,后面加上若干Disallow行,详细情况如下: User-agent: 该项的值用于描述搜索引擎robot的名字,在“robots.txt”文件中,如果有多条 User-agent记录说明有多个robot会受到该协议的限制,对该文件来说,至少要有一条User- agent记录。如果该项的值设为*,则该协议对任何机器人均有效,在“robots.txt”文件 中,“User-agent:*”这样的记录只能有一条。 Disallow: 该项的值用于描述不希望被访问到的一个URL,这个URL可以是一条完整的路径,也可以 是部分的,任何以Disallow开头的URL均不会被robot访问到。例如: “Disallow: /help”对/help.html 和/help/index.html都不允许搜索引擎访问, 而“Disallow: /help/”则允许robot访问/help.html,而不能访问/help/index.html。 任何一条Disallow记录为空,说明该网站的所有部分都允许被访问,在 “/robots.txt”文件中,至少要有一条Disallow记录。如果“/robots.txt”是一个空文 件,则对于所有的搜索引擎robot,该网站都是开放的。 四、 robots.txt文件用法举例 例1、禁止所有搜索引擎访问网站的任何部分 User-agent: * Disallow: / 例2、允许所有的robot访问 User-agent: * Disallow: (或者也可以建一个空文件 "/robots.txt" file) 例3、禁止某个搜索引擎的访问 User-agent: BadBot Disallow: / 例4、允许某个搜索引擎的访问 User-agent: baiduspider Disallow: User-agent: * Disallow: / 例5、一个简单例子 在这个例子中,该网站有三个目录对搜索引擎的访问做了限制,即搜索引擎不会访问这三个目录。 User-agent: * Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /joe/ 需要注意的是对每一个目录必须分开声明,而不要写成:“Disallow: /cgi-bin/ /tmp/”。 User-agent:后的* 具有特殊的含义,代表“any robot”,所以在该文件中不能有 “Disallow: /tmp/*” or “Disallow: *.gif”这样的记录出现。 五、robots.txt文件参考资料 robots.txt文件的更具体设置,请参看以下链接: 1、http://www.robotstxt.org/wc/faq.html 2、Web Server Administrator's Guide to the Robots Exclusion Protocol 3、HTML Author's Guide to the Robots Exclusion Protocol 4、The original 1994 protocol description, as currently deployed 5、The revised Internet-Draft specification, which is not yet pleted or implemented Trackback: http://bbs.5ixb.com/read-htm-tid-4131.html
相关文章推荐
- 分析网站如何获取访客电话个人信息
- 如何不让搜索引擎抓取你的网站信息…
- 如何不让搜索引擎抓取你的网站信息…
- 个人经验小谈:如何向搜索引擎提交网站
- 网站如何记录访客的个人信息?
- 如何设计对搜索引擎友好的网站
- 如何获取搜索引擎的来源,以及搜索引擎的相关信息
- 网站建设 个人,企业 如何建立一个自己的网站
- 如何使用谷歌的自定义搜索引擎来搜寻一个ASP.NET网站
- 搜索引擎营销人员如何做好网站用户体验
- 创建个人网站(一) 如何申请一个网站
- 如何使用谷歌的自定义搜索引擎来搜寻一个ASP.NET网站
- 如何在个人博客上添加自己的备案信息
- 个人或企业网站建设备案不备案有区别?如何备案?
- 如何搭建个人网站(一)
- 报名 | 数据时代,企业如何依法履行个人信息保护义务?
- Android笔记 - 如何避免ActivityNotFound异常,查看Activity堆栈信息,获取进程名
- 个人站长如何制作网站才能成功
- 个人网站如何使用支付宝收款实现
- 如何建设个人网站