您好,欢迎来到中国博客联盟!这里只收录优秀独立博客,纯手工审核机制!
点此可加入QQ群交流建站心得!中国博客联盟QQ交流群快速加群按钮  中国博客联盟QQ交流群快速加群按钮 / 登录 / 注册 / 找回密码
当前位置:中国博客联盟 » 站长资讯 » 建站技巧 » 文章详细

SEO分享:彻底禁止搜索引擎收录非首选域名的方法

来源:张戈博客 浏览:2600次 时间:2014-09-29

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:

301

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:

baidu_sl2

 

又比如百度搜索“卢松松”的结果,也是www的排在第一:

lusongsong

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。

一、准备工作

在网站根目录新建wrobots.txt文件,粘贴如下内容:

User-Agent: *
Disallow: /

二、修改规则

①、Nginx平台

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

②、Apache平台

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!

③、实例:万网虚拟主机

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。

三、效果测试

①、手动测试

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。

②、工具测试

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:

robots2

测试http://zhangge.net/robots.txt:

robots3

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:

baidu_notify

四、他山之石

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($_SERVER['HTTP_HOST'] == 'http://禁止收录域名1')
if($_SERVER['HTTP_HOST'] == 'http://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:

metanoindex1

 

而访问首选域名zhangge.net的时候,则不会输出这个META标记:

metanoindex2

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!

所以,将robots和META这2种方法结合一下,新站架设前可以这样设置:

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!

五、终极大招

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:

403

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。



推荐博客

  • Jeekgood博客Jeekgood博客

    Jeekgood博客-记录互联网生活和知识分享!

    www.jeekgood.com
  • 钧言の博客钧言の博客

    钧言博客XIAOJUN.ORG是一家乐享资源记忆点滴的博客 主要分享程序源码 站长工具 网络技术 技术文章,系统运维 活动分享等 记录生活 分享点滴 热爱折腾

    www.xiaojun.org
  • Glumi-BlogGlumi-Blog

    GLUMI-Resource Blog是专注于互联网资源分享的网站,目标是汇集网上的技术资源、学习资料、实用软件、破解软件等、最丰富的资源下载。集成全网的资源发布站。教程资源、资讯文章。站长持续更新中。

    glumi.cn
  • 百品站长博客百品站长博客

    百品站长博客是百品软件的创始人的个人博客。小站长是安徽省铜陵市人,于2015年步入互联网。本博客长期提供SEO经验、互联网相关的内容。也在这里记录小站长的点滴。欢迎大家的访问!

    bpz.6b7.net
  • 宋子宪博客宋子宪博客

    宋子宪博客_一位java程序员的个人博客,本站分享大量java资料和前端笔记以及编程工具,欢迎各位朋友前来交流,希望我们可以成为好朋友!

    www.52xbc.cn
×
图标按钮