SEO分享:彻底禁止搜索引擎收录非首选域名的方法

建站笔记2年前 (2023)发布 小萝卜头
407 0 0
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:SEO分享:彻底禁止搜索引擎收录非首选域名的方法

但百度依然收录带 www 的,且 www 的排名更加靠前:

SEO分享:彻底禁止搜索引擎收录非首选域名的方法

site 了下带 www 的域名,居然收录了 1600 多条:

SEO分享:彻底禁止搜索引擎收录非首选域名的方法

又比如百度搜索“卢松松”的结果,也是 www 的排在第一:SEO分享:彻底禁止搜索引擎收录非首选域名的方法

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/zhang.ge.conf

找到之前 301 跳转的配置,如:

server {
       server_name www.zhang.ge;
       return 301 $scheme://zhang.ge$request_uri;
}

修改为:

server
         {
                server_name www.zhang.ge;
                root  /home/wwwroot/zhang.ge;
                location / {
                        rewrite (.*) https://zhang.ge$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.zhang.ge [NC]
RewriteRule ^robots.txt wrobots.txt [L]
RewriteCond %{REQUEST_FILENAME} !robots.txt
RewriteRule ^(.*) https://zhang.ge/$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.zhang.ge [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.zhang.ge [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.zhang.ge/robots.txt  和 https://zhang.ge/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.zhang.ge/robots.txt:

SEO分享:彻底禁止搜索引擎收录非首选域名的方法

测试 https://zhang.ge/robots.txt:

SEO分享:彻底禁止搜索引擎收录非首选域名的方法

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:SEO分享:彻底禁止搜索引擎收录非首选域名的方法

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($_SERVER['HTTP_HOST'] == '禁止收录域名 1')
if($_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.zhang.ge') { ?>
<meta name="robots" content="noindex,nofollow" />
<?php } ?>

当访问被禁止收录的 www.zhang.ge 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:

SEO分享:彻底禁止搜索引擎收录非首选域名的方法

而访问首选域名 zhang.ge 的时候,则不会输出这个 META 标记:

SEO分享:彻底禁止搜索引擎收录非首选域名的方法

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.zhang.ge(非首选域名)的配置修改如下:

server
        {
              listen 80;
              server_name www.zhang.ge;
              index index.html index.htm index.php default.html default.htm default.php;
              root  /home/wwwroot/zhang.ge;
              #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.zhang.ge') { ?>
<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:

SEO分享:彻底禁止搜索引擎收录非首选域名的方法

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.zhang.ge;
                root  /home/wwwroot/zhang.ge;
                location / {
                 #新增判断,如果是百度蜘蛛就返回 404!
                 if ($http_user_agent ~ "Baiduspider") {return 404;}
                        rewrite (.*) https://zhang.ge$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:

SEO分享:彻底禁止搜索引擎收录非首选域名的方法

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。

收录于{张戈博客} 原文链接原文链接

© 版权声明

相关文章

暂无评论

暂无评论...