巧设robots.txt优化爬虫访问

在国内，站长们似乎对robots.txt并没有引起多大重视，看了下卢松松等一些博客，都没有放robots.txt。

robots.txt是一种存放于网站根目录下的ASCII编码的文本文件，它通常告诉网络搜索引擎的漫游器（又称网络蜘蛛/爬虫机器人），此网站中的哪些内容是不能被搜索引擎的漫游器获取的，哪些是可以被（漫游器）获取的。 robots.txt应放置于网站的根目录下。如果想单独定义搜索引擎的漫游器访问子目录时的行为，那么可以将自定的设置合并到根目录下的robots.txt，或者使用robots元数据。（资料来源：维基百科）

重视robots.txt，一定程度上提升网站对搜索引擎友好度。让Google、百度等搜索引擎更多的收录你的站点，也减少网络蜘蛛工作量，提高它们的效率；同时也会带来更多的访问量。这是我的写法，仅供参考，请根据网站情况增减条目——

User-agent: *

# [允许] 核心渲染资源
# 即使下方禁止了核心目录，这几行会确保搜索引擎能正常渲染网页样式
Allow: /wp-admin/admin-ajax.php
Allow: /wp-includes/js/*.js
Allow: /wp-includes/css/*.css
Allow: /wp-content/plugins/*.js
Allow: /wp-content/plugins/*.css
Allow: /wp-content/themes/*.js
Allow: /wp-content/themes/*.css

# [禁止] 核心目录与后台
Disallow: /cgi-bin/
Disallow: /wp-admin/
Disallow: /wp-content/cache/
Disallow: /wp-content/languages/
Disallow: /wp-content/upgrade/

# [禁止] 动态页面、评论及 Feed（防止权重分散）
Disallow: /comments/
Disallow: /feed/
Disallow: /trackback/
Disallow: /*/feed/
Disallow: /*/trackback/
Disallow: /*/comment-page-*
Disallow: /?s=
Disallow: /*?replytocom=*

# [禁止] 敏感文件与备份
Disallow: /wp-login.php
Disallow: /readme.html
Disallow: /license.txt
Disallow: /licence.txt
Disallow: /wp-config-sample.php
Disallow: /xmlrpc.php
Disallow: /wp-content/uploads/backwpup*

# 站点地图
Sitemap: https://meledee.com/wp-sitemap.xml

稍微解释下，Disallow参数是禁止爬虫机器人访问该页面。关于禁用的原因——

保留一个sitemap文件，因为我装了Google XML Sitemaps 插件和Baidu Sitemap插件，这样文章一更新或者爬虫机器人一过来。就可以被收录，间接提升搜索引擎友好度。弄好之后，上传到网站根目录下，最好使用Google网站管理员工具测试下效果。