搜索引擎收录blog对有些人而言并非是件好事,例如我就不喜欢百度的爬虫扫我的站,带来毫无意义的访问和闲杂人等。对于使用 blogbus这样的BSP用户而言,自行定义robots.txt还没法实现,不过好在bus最近新推出了个自定义header的功能,我们可以利用meta
信息来屏蔽某些搜索引擎乃至全部
假如你想屏蔽所有搜索引擎的抓取的话,可以在自定义header里添加如下一句
<meta name="robots" content="noindex, nofollow" />
noindex
的作用是要求搜索引擎不索引你的网页,而nofollow
则是不跟随网页里出现的外部链接。例如你不希望你网页里的apple.com的链接被跟随从而间接的提高apple.com的pagerank或者说免费替它打广告,nofollow
的作用就显现了,事实上很多comment spam就是利用nofollow
以躲避搜索引擎将其网站视为作弊的处罚。
当然,如果我们只想屏蔽某些爬虫的话,只需要把meta
里的name
属性改成相应的爬虫名字,例如:
<meta name="baiduspider" content="noindex, nofollow" />
<meta name="sosospider" content="noindex, nofollow" />
<meta name="sogouspider" content="noindex, nofollow" />
这三句的话分别把百度,腾讯搜搜(实如其名,just so so),搜狗的爬虫给屏蔽了
至于你想屏蔽更多的话,请google关键字"搜索引擎名字 robots.txt"