在我们进行网站建设的时候，网站上总有一些站长不想让用户或者搜索引擎爬虫看到的东西，比如我们的后台地址，隐私文件等等，那我们如何才能屏蔽搜索引擎爬虫的爬取呢？这里服务器租用网就为大家分享两种方法，分别就是通过修改“Robots协议”或者“.htaccess文件”来实现屏蔽搜索引擎爬虫抓取。
方法一、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。当一个搜索引擎蜘蛛访问一个站点时，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，搜索机器人就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，就可以通过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毒百科词条“robots.txt协议”。
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。
代码如下：
代码示例1：直接告诉爬虫网站服务器出现503错误了
#屏蔽必应和MSN的爬虫并告诉爬虫出现503错误
ErrorDocument 503 “System Undergoing Maintenance”
RewriteEngine On
RewriteCond %{HTTP_USER_AGENT} (bingbot|msn) [NC]
RewriteRule .* – [R=503,L]
代码示例2：告诉爬虫网站重定向到新的网址了（让爬虫去抓取新网址上的网站）
#屏蔽百毒、谷歌和搜搜的爬虫并告诉爬虫网站重定向到了https://www.fuwuqizuyong.cc
RewriteEngine On
RewriteCond %{HTTP_USER_AGENT} (baiduspider|googlebot|soso) [NC]
RewriteRule ^(.*)$ https://www.fuwuqizuyong.cc/ [R=301,L]
上面代码示例1和示例2里面两种代码都可以用，根据您自己的需要选用（如果只是暂时性屏蔽，用示例1的代码；如果网站已经转移到新的网址上了，就用示例2的代码，用示例2的代码要记得将https://www.fuwuqizuyong.cc修改成您网站的新网址），将代码复制到您网站根目录下的.htaccess文件里面就可以了。
上面示例代码里面只列举了几种常见的搜索引擎的User-Agent，如果您想屏蔽更多的搜索引擎，您可以先在网上搜下那些搜索引擎的User-Agent是什么，然后在代码里面RewriteCond %{HTTP_USER_AGENT}那行代码后面括号里面加上您想屏蔽的搜索引擎的User-Agent就可以了。
百毒公司-禁止搜索引擎收录的方法：http://bar.baidu.com/robots/
微信扫一扫 
支付宝扫一扫 
