禁止百度搜索引擎收录的终极解决方案

说明： 虽然建设网站的目的大部分是为了优化搜索引擎排名，实现互联网营销，但特殊情况下，仍会遇到“不希望搜索引擎收录”的需求，例如因为一些原因做了一个内容与主站几乎相同的二级站，但因为内容高度相似，百度关键词排名一部分给了二级站，影响了主站点的排名，这个时候就有这个必要斩断百度的收录。这里给出一个能有效禁止百度等搜索引擎收录的解决方案。

一、Robots.txt只能禁止抓取，无法禁止收录

很多人认为在robots.txt中禁止百度蜘蛛爬取就等于禁止收录，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。

如果一个网站的外链较多，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）。关于robots.txt的作用、文件格式、使用方法，可参考>>百度站长平台的说明。

二、通过Nginx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404，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。

其实之前也写过类似的文章《Apache/Nginx/PHP 屏蔽垃圾 UA 爬虫的方法》可以参考一下

这里Nginx的配置代码如下：

1
if ($http_user_agent ~* "qihoobot|Baiduspider|Googlebot|Googlebot-Mobile|Googlebot-Image|Mediapartners-Google|Adsbot-Google|Feedfetcher-Google|Yahoo! Slurp|Yahoo! Slurp China|YoudaoBot|Sosospider|Sogou spider|Sogou web spider|MSNBot|ia_archiver|Tomato Bot")
2
   {
3
       return 403;
4
    }

通过curl模拟搜索引擎抓取，测试以上代码有效，并在多次项目实践中验证了此方法的可行性，实现了彻底禁止百度收录！