禁止搜索引擎抓取和收录的方法

很多站长在做新站的时候，因为不会配置本地的服务器模拟环境，所以会在服务器上直接搭建网站，网站没做好之前就被抓取收录并不太好，所以一直都有人问我，怎么样才能完全禁止搜擎的抓取和收录呢？今天就跟大家分享一下解决方案。

一、只能禁止抓取，无法禁止收录

很多人认为rohots.txt也已禁止，这是严重的误解，robots.txt文件可以告诉搜索引擎哪些目录和文件可以抓取，哪些不可以。经过实践发现，即使禁止搜索引擎抓取根目录，robots文件也并不能实现禁止百度等搜索引擎收录。如果一个网站的较多，基本上无法通过正常手段禁止百度收录，淘宝便是一个典型的案例（淘宝的robots.txt设置为禁止抓取根目录，但首页依然被收录）。

二、通过Ngx判断user_agent禁止百度等搜索引擎访问，实现禁止收录

既然不能直接禁止抓取，那就干脆禁止百度蜘蛛等搜索引擎访问，思路是判断user_agent，如果是百度蜘蛛、谷歌机器人等搜索引擎的user_agent，就返回403或者，这样百度等搜索引擎就会认为这个网站无法打开或者不存在，自然也就不会收录了。

Ngx的配置代码如下

if ($http_user_agent ~ "qihoobot|Baiduspider|Googlebot|Googlebot-Mobile|Googlebot-Image|Mediapartners-Google|Adsbot-Google|Feedfetcher-Google|Yahoo! Slurp|Yahoo! Slurp Cha|YoudaoBot|Sosospider|Sogou spider|Sogou web spider|MSNBot|ia_archiver|Tomato Bot")

        {

                return 403;

        }

通过curl模拟搜索引擎抓取，测试以上代码有效，实现了彻底禁止百度收录！