众所周知,绝大多数网站都会有一个首选域名,从用户体验考虑,通常站长们还会另外解析一个域名,并设置 301 重定向。例如,用户未输入 www 的时候,仍然可以访问到我们的网站,就像访问 http://baidu.com,会自动跳到 http://www.baidu.com 一样。
理论上,301 重定向是对搜索引擎友好的设置,而且搜索引擎也能识别 301 返回码,从而只收录首选域名。但也有个例!比如,张戈博客刚一上线,我就已经把 www 的域名 301 重定向到了不带 www 域名:
但百度依然收录带 www 的,且 www 的排名更加靠前:
site 了下带 www 的域名,居然收录了 1600 多条:
又比如百度搜索“卢松松”的结果,也是 www 的排在第一:
事实说明,百度对 301 很不敏感,这个问题困扰了我很久,前往百度站长平台多次投诉无果,终于忍无可忍,决定将带 www 的域名做了禁止收录处理,我已做好 www 域名全线被 T 的心里准备。
曾多次搜索过如何禁止搜索引擎收录带 www 或不带 www 的域名的方法,但是都是一些做 301 设置的方法,看来还不够彻底!下面,我就来分享一下彻底禁止搜索引擎收录非首选域名的方法:
提前说明:如果正好和张戈博客相反:你的首选域名是带 www 的,那下面的代码只需要依葫芦画瓢的修改下即可,我就不赘述了。
在网站根目录新建 wrobots.txt 文件,粘贴如下内容:
User-Agent: *
Disallow: /
编辑网站对应的 nginx 配置文件,比如:
vim /usr/local/nginx/conf/vhost/zhangge.net.conf
找到之前 301 跳转的配置,如:
server {
server_name www.zhangge.net;
return 301 $scheme://zhangge.net$request_uri;
}
修改为:
server
{
server_name www.zhangge.net;
root /home/wwwroot/zhangge.net;
location / {
rewrite (.*) http://zhangge.net$1 permanent;
}
location ~ (robots.txt) {
rewrite /robots.txt /wrobots.txt last;
}
}
执行如下命令,重载 nginx 即可生效:
/usr/local/nginx/sbin/nginx -s reload
编辑 .htaccess 文件,将之前的 301 跳转规则替换成如下代码即可:
RewriteEngine on
RewriteCond %{HTTP_HOST} ^www.zhangge.net [NC]
RewriteRule ^robots.txt wrobots.txt [L]
RewriteCond %{REQUEST_FILENAME} !robots.txt
RewriteRule ^(.*) http://zhangge.net/$1 [R=301,L]
其中第 4 行是关键,表示仅在请求名称非 robots.txt 的时候,才会执行后面的 301 跳转,从而避免第三条规则被覆盖!
用朋友的万网虚拟主机实际测试发现,万网的控制面板已经存在 301 设置了,所以 htaccess 也要做相应修改才行。
在已有的.htaccess 文件的最前面加上如下三行代码即可:
RewriteEngine on
RewriteCond %{HTTP_HOST} ^www.zhangge.net [NC]
RewriteRule ^robots.txt wrobots.txt [L]
修改后的完整的 htaccess 的内容如下:
RewriteEngine on
RewriteCond %{HTTP_HOST} ^www.zhangge.net [NC]
RewriteRule ^robots.txt wrobots.txt [L]
#以下为已存在规则:
<IfModule mod_rewrite.c>
RewriteEngine on
RewriteCond %{REQUEST_FILENAME} !-f
RewriteCond %{REQUEST_FILENAME} !-d
RewriteBase /
RewriteRule . /index.php [L]
</IfModule>
其他虚拟主机、建站程序,可以参考这个实例来修改即可,注意避免和主机已有的 301 发生规则冲突即可。
分别访问 http://www.zhangge.net/robots.txt 和 http://zhangge.net/robots.txt 可以发现已经是不同的内容了。
如果还不放心,那么可以使用百度站长平台的 robots 工具来检测,效果如图所示:
测试 http://www.zhangge.net/robots.txt:
测试 http://zhangge.net/robots.txt:
从图中的检测结果可知,带 www 域名的 robots 理论上已禁止所有搜索引擎的抓取!
2014/09/26 补充:一大早就看到来自百度站长的 robots 禁封通知,看来是有效果的,就看啥时候把 www 的收录 K 掉:
最新补充:今天在逛博客的时候,在李明博客发现了一个更简单的方法,我稍微修改了下:
只要在网站的 head 部分加入如下代码即可:
<?php
if($_SERVER['HTTP_HOST'] == '禁止收录域名1')
if($_SERVER['HTTP_HOST'] == '禁止收录域名2')
{
?>
<meta name="robots" content="noindex,nofollow" />
<?php } ?>
比如,如果我要禁止搜索引擎收录带 www 的张戈博客,那么代码如下:
<?php if($_SERVER['HTTP_HOST'] == 'www.zhangge.net') { ?>
<meta name="robots" content="noindex,nofollow" />
<?php } ?>
当访问被禁止收录的 www.zhangge.net 时,head 里面会输出一段禁止搜索引擎索引和跟踪链接的 meta 标签:
而访问首选域名 zhangge.net 的时候,则不会输出这个 META 标记:
异曲同工的实现了和前文相同的功能!额外补充一下相关 meta robots 的说明,请自行选用:
<META NAME="ROBOTS" CONTENT="INDEX,FOLLOW" /> 可以抓取本页,而且可以顺着本页继续索引别的链接
<META NAME="ROBOTS" CONTENT="NOINDEX,FOLLOW" /> 不许抓取本页,但是可以顺着本页抓取索引别的链接
<META NAME="ROBOTS" CONTENT="INDEX,NOFOLLOW" /> 可以抓取本页,但是不许顺着本页抓取索引别的链接
<META NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW" /> 不许抓取本页,也不许顺着本页抓取索引别的链接。
特别说明:用这个方法需要取消 301 重定向功能,否则不会有 meta 申明的输出!
无须设置 301 重定向,先在 nginx 配置文件中,将监听www.zhangge.net(非首选域名)的配置修改如下:
server
{
listen 80;
server_name www.zhangge.net;
index index.html index.htm index.php default.html default.htm default.php;
root /home/wwwroot/zhangge.net;
#以下是robots的重写规则
location ~ (robots.txt) {
rewrite /robots.txt /wrobots.txt last;
}
#以下其他需要的规则,和首选域名保持一致
*******
}
然后,在 header.php 里面新增如下代码:
<?php if($_SERVER['HTTP_HOST'] == 'www.zhangge.net') { ?>
<meta name="robots" content="noindex,nofollow" />
<?php } ?>
如此,就双管齐下的做好了禁止搜索引擎收录新站非首选域名的设置!
张戈博客亲自测试发现,就算是加了 robots 限制,百度依然还会索引这个非首选域名:
所以,必须出绝招了,参照《浅谈 404 问题》和《服务器反爬虫攻略》,先解封 robots 禁止,然后在 nginx 原有规则里面加入如下第 7 行判断:
server
{
server_name www.zhangge.net;
root /home/wwwroot/zhangge.net;
location / {
#新增判断,如果是百度蜘蛛就返回404!
if ($http_user_agent ~ "Baiduspider") {return 404;}
rewrite (.*) http://zhangge.net$1 permanent;
}
location ~ (robots.txt) {
rewrite /robots.txt /wrobots.txt last;
}
}
现在,无论是用抓取诊断还是用站长之家的模拟抓取,都将返回 404 错误:
为了测试,张戈博客已走上极端,所以并不建议老站做以上极端设置!我只是看不惯百度的傻逼收录行为!
以上就是禁止搜索引擎收录非首要域名的全部教程了,希望对和我一样苦恼的站长有所帮助。由于,这种中途设置禁止收录非常罕见,张戈也只是做下测试,还不知道有什么结果,所以不建议老站轻易尝试!个人强烈建议新站在上线之前就做好这些设置,避免带来和我一样的困扰!另外,由于没有 IIS 环境,所以就没有研究测试 IIS 下的设置方法,感兴趣的站长可以参考文章的思路去研究测试下。