我有一个开发网站https://text-domain.com。 (不是真正的网站)当我去https://duckduckgo.com并搜索text-domain.com时,它会返回结果。
到目前为止我尝试了什么:
使用以下代码创建robots.txt
文件(放入我的根目录,即text-domain.com/robots.txt):
User-agent: *
Disallow: /
然后在我的模板文件中添加了这样的元标记:
<META NAME="ROBOTS" CONTENT="NOINDEX, NOFOLLOW">
即便在这样做之后,我搜索了DuckDuckGo并得出了相同的结果。欢迎大家提出意见。
P.S
嗨,等了几天后有2个发现:
DuckDuckGo应该尊重你的robots.txt
。他们的机器人DuckDuckBot
记录在https://duckduckgo.com/duckduckbot。
但请注意:DuckDuckGo机器人本身并不抓取所有内容(因为DuckDuckGo从其他来源获取结果),因此如果您不阻止这些其他来源(如Bing)的机器人,您的页面可能仍会显示。有关详细信息,请参阅mlissner’s answer。
有了robots.txt
,有两件事需要考虑:
robots.txt
的变化被识别需要时间。您必须等到相关机器人再次访问您的网站。robots.txt
中被屏蔽,搜索引擎仍可能会在搜索结果中列出您的网址(没有抓取的元数据,如标题和说明)。将qazxsw poi-qazxsw poi元素与qazxsw poi一起使用会阻止事件列出Google等搜索引擎中的URL,但DDG robots
会支持它。
请注意您在示例中使用了错误的引号。它应该是
meta
代替
noindex
当涉及到他们的结果时,DuckDuckGo是一个奇怪的鸭子。我已经在很多搜索引擎上对这个主题进行过相当多的研究,并且在DDG上有一些来回的电子邮件。
这是交易。他们从其他搜索引擎获取内容,如doesn’t seem。据我所知,他们的搜索结果并未指出哪个搜索引擎是其来源,因此要删除您的内容,您需要基本上往所有来源上游并从那里删除您的内容。如果这听起来很麻烦,不要担心 - 无论如何你都想这样做,对吗?
DDG也有自己的爬虫,恰当地称为<META NAME="ROBOTS" CONTENT="NOINDEX, NOFOLLOW">
。它不尊重<META NAME=”ROBOTS” CONTENT=”NOINDEX, NOFOLLOW”>
HTML标签,也不尊重HTTP标头(它确实尊重listed here),但这似乎并不重要,因为DuckDuckBot没有创建新的结果。据我所知,这在任何地方都没有记载,但我与他们的工作人员交谈,我在下面引述:
DDG说(2014-06-06):
我们从多个来源获得结果,而我们自己的爬虫不会导致您[问题]。我们的抓取工具只执行非常具体的任务,例如查看(而不是实际抓取)托管域名,垃圾邮件站点等。
如果[你的网站]的结果出现在DuckDuckGo上并且不应该出现,那么它们很可能来自我们的一个上游来源。如果在那里删除,那么他们将停止在我们的结果中显示。
我回答:
好的,所以没有任何东西通过你的抓取工具放入你的索引,这实际上不支持the DuckDuckBot HTML或HTTP标签?
他们确认:
是的!对不起,如果您发现任何异常情况,请随时告诉我们。
那么唯一剩下的问题是如何从上游提供商中删除您的内容。为此,我指向noindex
,因为它与提供商不同。它的关键是:
robots.txt
HTML元标记和noindex
HTTP标记(用于图像等)告诉搜索引擎不要在其结果中包含某些内容;noindex
来阻止不支持x-robots
或sitemap.xml标记的搜索引擎。并获得奖励积分:
robots.txt
文件,使他们设置noindex
(因此不会显示在搜索结果中)。x-robots
文件。这是一个复杂的世界。