Robots.txt はプレーンテキスト ファイルであり、Web サイト管理者は、ロボットによるアクセスを禁止する Web サイトの一部を宣言したり、検索エンジンが特定のコンテンツのみをインデックスするように指定したりできます。 robots.txt の基本的な紹介 Robots.txt はプレーンテキスト ファイルであり、Web サイト管理者は、ロボットによるアクセスを禁止する Web サイトの一部を宣言したり、検索エンジンが特定のコンテンツのみをインデックスするように指定したりできます。 検索ロボット (検索スパイダーと呼ばれることもあります) がサイトを訪問すると、まずサイトのルート ディレクトリに robots.txt があるかどうかを確認します。存在する場合、検索ロボットはファイルの内容に応じてアクセス範囲を決定します。ファイルが存在しない場合、検索ロボットはリンクに沿ってクロールします。 さらに、robots.txt はサイトのルート ディレクトリに配置する必要があり、ファイル名はすべて小文字にする必要があります。 robots.txt の記述構文<br />まず、robots.txt の例を見てみましょう: http://www.csswebs.org/robots.txt 上記の特定のアドレスにアクセスすると、robots.txt の具体的な内容が次のように表示されます。 # http://www.csswebs.org の Robots.txt ファイル # すべてのロボットがドメインをスパイダーします ユーザーエージェント: * 許可しない: 上記のテキストは、すべての検索ロボットが www.csswebs.org サイトのすべてのファイルにアクセスできることを意味します。 特定の構文分析: # の後のテキストは説明情報です。User-agent: の後には検索ロボットの名前が続きます。* が続く場合は、すべての検索ロボットを参照します。Disallow: の後には、アクセスが許可されていないファイル ディレクトリが続きます。 以下に、robots.txt の具体的な使用例をいくつか挙げます。 すべてのロボットにアクセスを許可する ユーザーエージェント: * 許可しない: または、空のファイル「/robots.txt」を作成することもできます すべての検索エンジンがサイトのどの部分にアクセスできないようにブロックする ユーザーエージェント: * 許可しない: / すべての検索エンジンがサイトのいくつかのセクション(以下の例ではディレクトリ 01、02、03)にアクセスするのをブロックします。 ユーザーエージェント: * 禁止: /01/ 禁止: /02/ 許可しない: /03/ 検索エンジンへのアクセスをブロックする(下の例ではBadBot) ユーザーエージェント: BadBot 許可しない: / 特定の検索エンジン(以下の例ではクローラー)からのアクセスのみを許可する ユーザーエージェント: クローラー 許可しない: ユーザーエージェント: * 許可しない: / さらに、これを拡張してロボット メタを導入する必要があると考えています。 Robots META タグは主に特定のページを対象としています。他の META タグ (使用言語、ページの説明、キーワードなど) と同様に、Robots META タグもページの <head> </head> に配置され、特に検索エンジン ROBOTS にページのコンテンツをクロールする方法を伝えるために使用されます。 Robots META タグの書き方: Robots META タグでは大文字と小文字は区別されません。name="Robots" はすべての検索エンジンを意味し、特定の検索エンジンの場合は name="BaiduSpider" と記述できます。コンテンツ部分には、index、noindex、follow、nofollow の 4 つのコマンド オプションがあります。コマンドは「,」で区切られます。 INDEX ディレクティブは、検索ロボットにページをクロールするように指示します。 FOLLOW 命令は、検索ロボットがページ上のリンクに沿ってクロールを続行できることを示します。 Robots Meta タグのデフォルト値は INDEX と FOLLOW ですが、inktomi の場合、デフォルト値は INDEX、NOFOLLOW です。 したがって、組み合わせは次の 4 つになります。 <META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”> <META NAME="ROBOTS" CONTENT="NOINDEX,FOLLOW"> <META NAME=”ROBOTS” CONTENT=”INDEX,NOFOLLOW”> <META NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW"> このうち、<META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”> は <META NAME=”ROBOTS” CONTENT=”ALL”> と記述できます。 <META NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW"> は <META NAME="ROBOTS" CONTENT="NONE"> と記述できます。 現時点では、検索エンジンロボットの大半は robots.txt のルールに従っているようです。Robots META タグについては、現時点ではサポートがあまりありませんが、徐々に増えてきています。たとえば、有名な検索エンジン GOOGLE はこれを全面的にサポートしており、GOOGLE は Web ページのスナップショットを保持するかどうかを制限できるコマンド「archive」も追加しました。例えば: <META NAME=”googlebot” CONTENT=”index,follow,noarchive”> |
<<: 任意の長さの配列を作成または埋めるための JS のヒントの要約
Linux C/C++ では、スレッド レベルの操作は通常、pthread ライブラリを通じて実行さ...
背景ディープラーニング モデルの推論には、特定のデバイスが使用されます。マシンは、モデルの読み込み、...
1 問題の説明: 1.1 Windows 10 に VMware を初めてインストールする場合、また...
https://docs.microsoft.com/ja-jp/windows/wsl/wsl-...
1つ。 wget https://dev.mysql.com/get/mysql57-communi...
ザビックス2019/10/12 チェンシン参照するhttps://www.zabbix.com/do...
Dockerのインストール手順をスキップする1. postgresqlイメージを取得する docke...
前の章では、1 つのテーブルからデータを読み取る方法を学習しました。これは比較的簡単ですが、実際のア...
目次1 Apacheの役割2 Apacheのインストール3. Apacheを有効にする4 Apach...
以前、raspbian で実行したときに opencv の一部の依存関係をパッケージ化できず、一部の...
1. SELECT句を使用して複数のテーブルをクエリするSELECT フィールド名 FROM tab...
MySQL 5.7 以降のバージョンでは、冗長インデックス、重複インデックス、およびインデックスを使...
ネットワークの問題のトラブルシューティング、新しい接続のセットアップ、ファイアウォールの構成を行うと...
Apache.POI の HSSFWorkbook を使用して Excel にエクスポートします。具...
1. PVとIPの統計一日のPV(ページビュー)をカウントする cat access.log | ...