第一部分:
User-agent: Disallow:/wp-admin/ Disallow:/readme.html Disallow:/wp-login.php Disallow:/wp-register.php Disallow:/trackback/ Allow:/wp-admin/admin-ajax.php Allow:*.jsAllow:*.CSS Disallow:/wp-content/cache/ Disallow:*/feed/ Disallow:/*?s= Disallow:/search/ Disallow:*?ver=*
解释:
User-agent: - 这行后面应该有一个值,但这里是空的。通常,它指定了适用的搜索引擎爬虫。空值意味着以下规则适用于所有爬虫。
Disallow:/wp-admin/ - 禁止爬虫访问 /wp-admin/ 目录及其子目录。
Disallow:/readme.html - 禁止爬虫访问 readme.html 文件。
Disallow:/wp-login.php - 禁止爬虫访问 WordPress 登录页面。
Disallow:/wp-register.php - 禁止爬虫访问 WordPress 注册页面。
Disallow:/trackback/ - 禁止爬虫访问 trackback 功能相关页面。
Allow:/wp-admin/admin-ajax.php - 允许爬虫访问 admin-ajax.php 文件。
Allow:*.js - 允许爬虫访问所有 JavaScript 文件。
Allow:*.CSS - 允许爬虫访问所有 CSS 文件。
Disallow:/wp-content/cache/ - 禁止爬虫访问缓存目录。
Disallow:*/feed/ - 禁止爬虫访问所有 feed 页面
Disallow:/*?s= - 禁止爬虫访问搜索结果页面。
Disallow:/search/ - 禁止爬虫访问搜索页面。
Disallow:*?ver=* - 禁止爬虫访问包含版本参数的 URL。
这些设置主要是为了保护网站的敏感区域,如管理后台、登录页面等,同时允许爬虫访问一些必要的资源文件(如 JS 和 CSS)。
第二部分:
User-agent: ChatGPT-UserDisallow: / User-agent: GPTBotDisallow: / User-agent: Google-ExtendedDisallow: / User-agent: Applebot-Extended Disallow: /User-agent: anthropic-aiDisallow: / User-agent: ClaudeBot Disallow: /User-agent: OmgilibotDisallow: / User-agent: OmgiliDisallow: / User-agent: FacebookBotDisallow: / User-agent: DiffbotDisallow: / User-agent: BytespiderDisallow: / User-agent: ImagesiftBot Disallow: / User-agent: PerplexityBotDisallow: / User-agent: cohere-aiDisallow: /
解释:
这些屏蔽规则专门针对特定的AI爬虫或机器人:
CCBot: 用于 Common Crawl 项目的爬虫。
ChatGPT-User: 可能是 ChatGPT 用户的爬虫。
GPTBot: OpenAI 的 GPT 模型爬虫。
Google-Extended: Google 的扩展爬虫。
Applebot-Extended: Apple 的扩展爬虫。
anthropic-ai: Anthropic 公司的 AI 爬虫。
ClaudeBot: 可能是 Anthropic 的 Claude AI 模型爬虫。
Omgilibot 和 Omgili: Omgili 搜索引擎的爬虫。
FacebookBot: Facebook 的爬虫。
Diffbot: 用于网页内容提取的爬虫。
Bytespider: 字节跳动(TikTok 母公司)的爬虫。
ImagesiftBot: 图像搜索爬虫。
PerplexityBot: Perplexity AI 的爬虫。
cohere-ai: Cohere AI 公司的爬虫。
上面这些就是常见的AI内容生成工具, 它们会抓取我们网站的内容来做训练素材, 或者直接在内容生产的时候调用我们的数据或进行总结, 有时候不想被"偷"内容, 可以直接屏蔽它们的爬虫.
简单总结, That's it.