Google 仍在索引唯一网址
Google still indexing unique URLs
我有一个 robots.txt 文件这样设置
User-agent: *
Disallow: /*
对于完全基于 URL 的唯一网站。有点像 https://jsfiddle.net/,当你保存一个新的 fiddle 时,它会赋予它一个独特的 URL。我希望我所有的独特 URL 都对 Google 不可见。没有索引。
Google 已将我所有的唯一 URL 编入索引,即使上面写着 "A description for this result is not available because of the site's robots.txt file. - learn more"
但这仍然很糟糕,因为所有 URL 都在那里,并且可以点击 - 所以里面的所有数据都可用。我能做些什么来 1) 摆脱这些关闭 Google 和 2) 停止 Google 索引这些 URLs.
Robots.txt 告诉搜索引擎不要抓取该页面,但不会阻止它们将该页面编入索引,尤其是当存在从其他站点指向该页面的链接时。如果您的主要目标是保证这些页面永远不会出现在搜索结果中,您应该改用 robots meta tags。带有 'noindex' 的机器人元标记表示 "Do not index this page at all"。在 robots.txt 中屏蔽页面意味着 "Do not request this page from the server."
添加漫游器元标记后,您需要更改 robots.txt 文件以不再禁止这些页面。否则,robots.txt 文件将阻止爬虫加载页面,这将阻止它看到元标记。在您的情况下,您只需将 robots.txt 文件更改为:
User-agent: *
Disallow:
(或者完全删除 robots.txt 文件)
如果出于某种原因无法使用机器人元标记,您也可以使用 X-Robots-Tag header 来完成同样的事情。
我有一个 robots.txt 文件这样设置
User-agent: *
Disallow: /*
对于完全基于 URL 的唯一网站。有点像 https://jsfiddle.net/,当你保存一个新的 fiddle 时,它会赋予它一个独特的 URL。我希望我所有的独特 URL 都对 Google 不可见。没有索引。
Google 已将我所有的唯一 URL 编入索引,即使上面写着 "A description for this result is not available because of the site's robots.txt file. - learn more"
但这仍然很糟糕,因为所有 URL 都在那里,并且可以点击 - 所以里面的所有数据都可用。我能做些什么来 1) 摆脱这些关闭 Google 和 2) 停止 Google 索引这些 URLs.
Robots.txt 告诉搜索引擎不要抓取该页面,但不会阻止它们将该页面编入索引,尤其是当存在从其他站点指向该页面的链接时。如果您的主要目标是保证这些页面永远不会出现在搜索结果中,您应该改用 robots meta tags。带有 'noindex' 的机器人元标记表示 "Do not index this page at all"。在 robots.txt 中屏蔽页面意味着 "Do not request this page from the server."
添加漫游器元标记后,您需要更改 robots.txt 文件以不再禁止这些页面。否则,robots.txt 文件将阻止爬虫加载页面,这将阻止它看到元标记。在您的情况下,您只需将 robots.txt 文件更改为:
User-agent: *
Disallow:
(或者完全删除 robots.txt 文件)
如果出于某种原因无法使用机器人元标记,您也可以使用 X-Robots-Tag header 来完成同样的事情。