⑴ 如何讓網站不被搜索引擎收錄
上傳robot.txt到你的網站根目錄。
robots.txt是一個純文本文件，在這個文件中網站管理者可以聲明該網站中不想被robots訪問的部分，或者指定搜索引擎只收錄指定的內容。
當一個搜索機器人（有的叫搜索蜘蛛）訪問一個站點時，它會首先檢查該站點根目錄下是否存在robots.txt，如果存在，搜索機器人就會按照該文件中的內容來確定訪問的范圍；如果該文件不存在，那麼搜索機器人就沿著鏈接抓取。
另外，robots.txt必須放置在一個站點的根目錄下，而且文件名必須全部小寫。
robots.txt寫作語法
首先，我們來看一個robots.txt範例：http://www.seovip.cn/robots.txt
訪問以上具體地址，我們可以看到robots.txt的具體內容如下：
# Robots.txt file from http://www.seovip.cn
# All robots will spider the domain
User-agent: *
Disallow:
以上文本表達的意思是允許所有的搜索機器人訪問www.seovip.cn站點下的所有文件。
具體語法分析：其中#後面文字為說明信息；User-agent:後面為搜索機器人的名稱，後面如果是*，則泛指所有的搜索機器人；Disallow:後面為不允許訪問的文件目錄。
下面，我將列舉一些robots.txt的具體用法：
允許所有的robot訪問
User-agent: *
Disallow:
或者也可以建一個空文件 "/robots.txt" file
禁止所有搜索引擎訪問網站的任何部分
User-agent: *
Disallow: /
禁止所有搜索引擎訪問網站的幾個部分（下例中的01、02、03目錄）
User-agent: *
Disallow: /01/
Disallow: /02/
Disallow: /03/
禁止某個搜索引擎的訪問（下例中的BadBot）
User-agent: BadBot
Disallow: /
只允許某個搜索引擎的訪問（下例中的Crawler）
User-agent: Crawler
Disallow:
User-agent: *
Disallow: /
⑵ 如何設置讓網站禁止被爬蟲收錄
1、網站建設好了，當然是希望網頁被搜索引擎收錄的越多越好，但有時候我們也會碰到網站不需要被搜索引擎收錄的情況。要啟用一個新的域名做鏡像網站，主要用於PPC
的推廣，這個時候就要想辦法屏蔽搜索引擎蜘蛛抓取和索引我們鏡像網站的所有網頁。因為如果鏡像網站也被搜索引擎收錄的話，很有可能會影響官網在搜索引擎的權重。
2、屏蔽主流搜索引擎爬蟲（蜘蛛）抓取/索引/收錄網頁的幾種思路。是整站屏蔽，而且是盡可能的屏蔽掉所有主流搜索引擎的爬蟲。
3、通過
robots.txt
文件屏蔽，可以說
robots.txt
文件是最重要的一種渠道（能和搜索引擎建立直接對話）。通過
meta
tag
屏蔽，在所有的網頁頭部文件添加，添加如下語句：
。通過伺服器（如：Linux/nginx
）配置文件設置，直接過濾
spider/robots
的IP
段。