WordPress 利用 Robots.txt 优化站点收录

Robots 协议（也称为爬虫协议、机器人协议等）的全称是“网络爬虫排除标准”（Robots Exclusion Protocol），网站通过 Robots 协议告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。

搜索引擎机器人访问网站时，首先会寻找站点根目录有没有 robots.txt 文件，如果有这个文件就根据文件的内容确定收录范围，如果没有就按默认访问以及收录所有页面。另外，当搜索蜘蛛发现不存在 robots.txt 文件时，会产生一个404错误日志在服务器上，从而增加服务器的负担，因此为站点添加一个 robots.txt 文件还是很重要的。

知道 Robots 协议的作用后，下面具体说一下 WordPress 站点如何编写 robots.txt 文件。

WordPress 站点默认在浏览器中输入：http://你的域名/robots.txt ，
会显示如下内容：

User-agent: *
Disallow: /wp-admin/
Disallow: /wp-includes/

这是由

自动生成的，意思是告诉搜索引擎不要抓取后台程序文件。

但这是远远不够的，比较完整的 WordPress 站点 robots.txt 文件内容如下：

User-agent: *
Disallow: /wp-admin/
Disallow: /wp-content/
Disallow: /wp-includes/
Disallow: /*/comment-page-*
Disallow: /*?replytocom=*
Disallow: /category/*/page/
Disallow: /tag/*/page/
Disallow: /*/trackback
Disallow: /feed
Disallow: /*/feed
Disallow: /comments/feed
Disallow: /?s=*
Disallow: /*/?s=*\
Disallow: /attachment/

Sitemap: https://bk.pinpinping.cn/sitemap.xml

Sitemap: https://bk.pinpinping.cn/wp-sitemap.xml

使用方法：新建一个名称为 robots.txt 文本文件，将上面的内容放进去，然后上传到网站根目录即可。

下面分别解释一下各项的作用：

1. Disallow: /wp-admin/、Disallow: /wp-content/ 和 Disallow: /wp-includes/
   用于告诉搜索引擎不要抓取后台程序文件页面。
2. Disallow: /*/comment-page-* 和 Disallow: /*?replytocom=*
   禁止搜索引擎抓取评论分页等相关链接。
3. Disallow: /category/*/page/ 和 Disallow: /tag/*/page/
   禁 止搜索引擎抓取收录分类和标签的分页。
4. Disallow: /*/trackback
   禁止搜索引擎抓取收录 trackback 等垃圾信息
5. Disallow: /feed、Disallow: /*/feed 和 Disallow: /comments/feed
   禁止搜索引擎抓取收录 feed 链接，feed 只用于订阅本站，与搜索引擎无关。
6. Disallow: /?s=* 和 Disallow: /*/?s=*\
   禁止搜索引擎抓取站内搜索结果
7. Disallow: /attachment/
   禁止搜索引擎抓取附件页面，比如毫无意义的图片附件页面。

上面只是些基本的写法，当然还有很多，不过够用了。