如何禁止搜索引擎收录的方法

一些站长在遇到网站被黑的时候，往往急着去处理网站的内容却忽略了网站被黑被攻击的本源，一方面网站可能在权限设置上缺乏考虑，另一方面网站可能有程序上的漏洞，根本的，在于网络攻击者看重了网站域名在互联网搜索引擎的作用，利用网站挂马进而宣传其违法或有害信息。那么，如何避免这样的问题，除了可以选择西部数码虚拟主机产品——西部数码对虚拟主机用户提供了安全扫描功能，通过对异常操作的监测和分析，尽可能第一时间提出告警和通知用户，并及时阻止非法操作的扩散。

    对于搜索引擎收录方面没有特别需求的用户，比如企业网站或内部办公系统等，在虚拟主机安全设置上可以考虑利用robots文件来禁止搜索引擎收录，这样的方式阻断了网络挂马的利益，通过这样的方式，也可能减少一些意外攻击风险。如何禁止搜索引擎收录呢？这里从robots文件开始一一讲述。

一．什么是robots.txt文件?

　　搜索引擎通过一种程序robot（又称spider），自动访问互联网上的网页并获取网页信息。

　　您可以在您的网站中创建一个纯文本文件robots.txt，在这个文件中声明该网站中不想被robot访问的部分，这样，该网站的部分或全部内容就可以不被搜索引擎收录了，或者指定搜索引擎只收录指定的内容。

二. robots.txt文件放在哪里?

　　robots.txt文件应该放在网站根目录下。举例来说，当robots访问一个网站（比如http://www.abc.com）时，首先会检查该网站中是否存在http://www.abc.com/robots.txt这个文件，如果机器人找到这个文件，它就会根据这个文件的内容，来确定它访问权限的范围。

三. robots.txt文件的格式

"robots.txt"文件包含一条或更多的记录，这些记录通过空行分开（以CR,CR/NL, or NL作为结束符），每一条记录的格式如下所示：

　　　　"<field>:<optionalspace><value><optionalspace>"。
 

　　在该文件中可以使用#进行注解，具体使用方法和UNIX中的惯例一样。该文件中的记录通常以一行或多行User-agent开始，后面加上若干Disallow行,详细情况如下：

User-agent: 
　　该项的值用于描述搜索引擎robot的名字，在"robots.txt"文件中，如果有多条User-agent记录说明有多个robot会受到该协议的限制，对该文件来说，至少要有一条User-agent记录。如果该项的值设为*，则该协议对任何机器人均有效，在"robots.txt"文件中，"User-agent：*"这样的记录只能有一条。
 

Disallow :
　　该项的值用于描述不希望被访问到的一个URL，这个URL可以是一条完整的路径，也可以是部分的，任何以Disallow 开头的URL均不会被robot访问到。例如"Disallow: /help"对/help.html 和/help/index.html都不允许搜索引擎访问，而"Disallow: /help/"则允许robot访问/help.html，而不能访问/help/index.html。
任何一条Disallow记录为空，说明该网站的所有部分都允许被访问，在"/robots.txt"文件中，至少要有一条Disallow记录。如果"/robots.txt"是一个空文件，则对于所有的搜索引擎robot，该网站都是开放的。

四. robots.txt文件用法举例