爬虫网站
北京xx互联网技术有限公司 发布于：2021-01-18 21:24:46 代运营公司排名
词条简介：百度爬虫：网站禁止搜索引擎爬虫爬取是为什么
词条内容：
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”
百度爬虫
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
同城商家都加入了店如云！我和我的小伙伴都在这里等你哦（公众号：dianruyun ）新手回复“帮助”，查看怎么使用，详情咨询在线客服微信号：guanggeseo！
作者：bianji123
来源：集众思词库
上个词条：竞价开户推广
下个词条：炎黄站群
免责声明：集众思词条所转载内容均来自于网络，不为其真实性负责，只为传播信息为目的，如有异议请及时联系工作人员（微信号：sangerenyizu），我们将予以删除。