个人中心
文章发布
退出
作者热门文章
- iOS/Objective-C 元类和类别
- objective-c - -1001 错误，当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
26
4
在过去的几周里，Google 一直在报告 Search Console 中的一个错误。越来越多的我的页面不允许抓取 - 覆盖率报告说:提交的 URL 被 robots.txt 阻止。
如您所见，我的 robots.txt 非常简单，为什么大约 20% 的页面会出现此错误，我迷失了......
User-agent: *
Disallow: /cgi-bin/
Allow: /
Sitemap: https://www.theartstory.org/sitemapindex.xml
Host: https://www.theartstory.org
显示错误的示例页面:
https://www.theartstory.org/movement-fauvism-artworks.htm
https://www.theartstory.org/artist-hassam-childe-life-and-legacy.htm
最佳答案
您的 robots.txt 文件配置不正确。你应该只需要:
User-agent: *
Crawl-delay: 40
Disallow: /cgi-bin/
Sitemap: https://www.theartstory.org/sitemapindex.xml
为您的 robots.txt 提交该文件并再次尝试抓取。
关于web-crawler - 提交的 URL 被 robots.txt 阻止，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/53742900/
26
4
0
我刚刚读到 JavaFX 有自己的 javafx.scene.robot.Robot类(class)。它与 java.awt.Robot 有何不同？ ？我也不太明白为什么 Robot 类被打包在 ja
势场法是一种非常流行的机器人导航模拟。然而，有没有人在真正的机器人上实现过势场法？在真实机器人中使用该方法的任何引用或任何声明？ 最佳答案 我之前做过基于潜在场的路径规划，但放弃了它，转而采用更合适的
任何人都可以在以下情况下解释正确的robots.txt命令。 我想允许访问: /directory/subdirectory/.. 但是我也想限制访问/directory/，尽管有上述异常(excep
假设我有一个测试文件夹 (test.domain.com) 并且我不希望搜索引擎在其中抓取，我是否需要在测试文件夹中有一个 robots.txt 或者我可以只放置一个 robots.txt在根目录中，
关闭。这个问题是off-topic .它目前不接受答案。 想改善这个问题吗？ Update the question所以它是 on-topic对于堆栈溢出。 9年前关闭。 Improve this q
这个问题在这里已经有了答案: order of directives in robots.txt, do they overwrite each other or complement each ot
关闭。这个问题是opinion-based .它目前不接受答案。 想改进这个问题？更新问题，以便 editing this post 可以用事实和引用来回答它. 8年前关闭。 Improve this
关闭。这个问题是opinion-based 。目前不接受答案。 想要改进这个问题吗？更新问题，以便 editing this post 可以用事实和引文来回答它。 . 已关闭 7 年前。 Improv
我刚刚安装了 Microsoft Robotics Studio 2008 R2，我必须承认我很震惊地发现路径的处理方式。 第一个工作室想要将自己安装到我的个人资料中(这是在 Vista 上): C:
我只想允许目录 /minsc 中的一个文件，但我想禁止该目录的其余部分。 现在 robots.txt 中是这样的: User-agent: * Crawl-delay: 10 # Directorie
我正在编写一个将 youtube.com 映射到另一个域的代理服务器(因此用户可以轻松地从德国等国家/地区访问 youtube，而无需审查搜索结果和视频)。 不幸的是，我的 robots.txt 中存
我一直使用 robots.txt 文件阻止谷歌将我的网站编入索引。最近我读了一篇来自谷歌员工的文章，他说你应该使用元标记来做到这一点。这是否意味着 Robots.txt 不起作用？由于我使用的是 CM
我拥有一些在大学注册的网站空间。不幸的是，谷歌在该网站上找到了我的简历(简历)，但错误地将其索引为学术出版物，这在谷歌学术上搞砸了引用计数之类的事情。我尝试上传 robots.txt进入我的本地子目录
我在不同的子域上托管了 dev.example.com 和 www.example.com。我希望爬虫删除 dev 的所有记录子域，但将它们保留在 www .我使用 git 来存储两者的代码，所以理想
我有此结构的链接： http://www.example.com/tags/等等 http://www.example.com/tags/ blubb http://www.example.com/t
http://plus.google.com/robots.txt具有以下内容: User-agent: * Disallow: /_/ 我假设这意味着搜索引擎可以索引根以外的第一层中的任何内容，而不
Google 网站站长工具中的我的 robots.txt 显示以下值: User-agent: * Allow: / 这是什么意思？我对此了解不够，所以寻求您的帮助。我想允许所有机器人抓取我的网站，这
已关闭。这个问题是 off-topic 。目前不接受答案。 想要改进这个问题吗？ Update the question所以它是on-topic用于堆栈溢出。 已关闭11 年前。 Improve th
我只想允许主要 URL(域)和 http://domain/about，其他 URL 对搜索 google 不可见。示例我有如下链接: http://example.com http://exampl
我想禁止机器人抓取任何文件夹/子文件夹。 我想禁止 ff: http://example.com/staging/ http://example.com/test/ 这是我的 robots.txt 中
我是一名优秀的程序员,十分优秀！