WordPress特定文章对搜索引擎隐藏或只允许搜索引擎查看

5年以前 | 阅读数：687 次 | 编程语言：PHP

对搜索引擎隐藏特定的文章
这个问题的来源是这样的：

众所周知，随着搜索引擎的改良，会越来越排斥采集和伪原创，尤其是百度还推出了起源算法，对采集站进行K站等措施。如果被贴上采集站的标签，所有的努力可能付诸东流。

相信很多站长，也想多一些原创内容，并不想全部靠采集别人的文章。然而一个新站，尤其是个人站长，其内容的充实速度一定很慢，我们做站不仅要讨好搜索引擎，更要讨好读者。如果读者不能在你的站内得到比较充实丰富的信息，那体验肯定不好。其实各大名站老站，一样有相当比例的采集或改编内容，这符合互联网的共享精神。各大电视台和报纸也大部分是转载和文摘，只要摘得好符合了特定需求的内容需要，就是有价值的。

关键在于：不要用采集的文章来为自己的网站骗取搜索流量。这应该是符合互联网道德规范和共识的。如果只让原创的内容参与搜索引擎的游戏规则，而非原创部分屏蔽搜索引擎。这样就能平称地满足搜索引擎、网站主、用户三者的利益。

于是问题归结于一点：如何有效地、可靠地让"部分文章屏蔽搜索引擎"？

我不知道这是不是一个比较共性的问题，如果一个网站，既希望通过丰富的文章来满足受众，但又怕被搜索引擎判断为采集站，那这个就是一个真真切切要面对的、关键的、核心的、关系到网站生存发展的大问题。

最近也一直在学习相关方面的知识，以个人浅见，屏蔽搜索引擎有几类方式：
一、用robots.txt
二、WP的站可以判断用户特征（看了你这篇博文后想到的）
三、通过JS封装链接
四、通过重定向，比如短链接、PHP后台重定向等

对比以上几种方式，
第一种方法：robots.txt好比在门上贴了封条："嘿，蛛蛛，我这儿有些内容是不让你检索的"。这是所谓君子协定，搜索引擎一定有能力去看你贴着封条门内的东西，只是它不收录罢了。为了判断一个站是否有大量的采集内容，蛛蛛或许会有窥探的动机。

这种方法技术实现的成本最低，也应该能满足大多数情况。好象百度在这方面的操守还是可以放心的，比如不索引淘宝的内容，而且也很痛恨360对百度内容的索引。

这个方法进一步的问题是：
在WP建的站中，如何可以高效率地让"部分文章屏蔽搜索引擎"？
1、文章标题加特征：比如每篇文章的标题中加一个特殊字符，这个方法可行吗，robots.txt用disallow:特殊字条就可以吗？
2、文章的标签识别：这个在操作层面好象是最最方便的，可是标签似乎是动态的标记，无法在robotx.txt中筛选？
3、文章放进特定的目录：这个robots.txt比较好写的，然而在WP文章内容管理时如何简易地操作？

第二种方法：好比是查看进门者的身份证，如果访问者是搜索引擎，那么就禁止通行。这种方法是对WP专用的，然后它的好处是可以非常详细地区别对待，比如百度对采集的态度比较紧，而GOOGLE不太一样，那有些文章就可以对百度关门而对谷歌开门。另外一个比较大的优点是，可以把判断集成在WP环境中，比如通过插件或主题让操作自动化。

第三种方法：好比是在门上换了一个门牌，搜索引擎只知道机械地去跟踪门牌上的号码，而浏览器却通过JS把门牌指向到另一个正确的入口了。然而：搜索引擎对JS的分析能力可能越来越强了，而且从谷歌的某些声明中来看，搜索引擎也不太喜欢你的内容对人和搜索引擎不一样。
这个方法大量地用在淘宝客链接的隐藏方面，这个方法的有效期估计不太长，而且操作比较麻烦，比较适合静态的单独页面，不太适合WP这样的数据库组织文章的架构。

第四种方法：好比是给门牌号加了密，只有你敲门（点击）了，才给你换成正确的门牌号。一般的访问者一定会点击，而搜索引擎不会模拟点击这个动作。
这种方法相对彻底和"安全"，缺点是：
1、和第三方法一样操作有些复杂，适合静态的单独页面，或页面中局部的链接，不太适合WP的环境。
2、过多的重定向，应该会消耗服务器的运算资源，积少成多，如果大量的文章都要进行一次重定向，服务器可能会不堪重负。

实现代码

具体怎么实现WordPress 对搜索引擎隐藏特定的文章呢？废话不多说，直接上PHP代码，放到当前主题的functions.php中即可使用（用UTF-8编码另存为）：


    // 需要说明的是，如果你的WordPress站点开启了页面缓存，此功能无效

    function ludouse_add_custom_box() {
     if (function_exists('add_meta_box')) {  
      add_meta_box('ludou_allow_se', '搜索引擎', 'ludou_allow_se', 'post', 'side', 'low');
      add_meta_box('ludou_allow_se', '搜索引擎', 'ludou_allow_se', 'page', 'side', 'low');
     }
    }
    add_action('add_meta_boxes', 'ludouse_add_custom_box');

    function ludou_allow_se() {
     global $post;

     //添加验证字段
     wp_nonce_field('ludou_allow_se', 'ludou_allow_se_nonce');

     $meta_value = get_post_meta($post->ID, 'ludou_allow_se', true);
     if($meta_value)
      echo '<input name="ludou-allow-se" type="checkbox" checked="checked" value="1" /> 屏蔽搜索引擎';
     else
      echo '<input name="ludou-allow-se" type="checkbox" value="1" /> 屏蔽搜索引擎';
    }

    // 保存选项设置
    function ludouse_save_postdata($post_id) {
     // 验证
     if ( !isset( $_POST['ludou_allow_se_nonce']))
      return $post_id;

     $nonce = $_POST['ludou_allow_se_nonce'];

     // 验证字段是否合法
     if (!wp_verify_nonce( $nonce, 'ludou_allow_se'))
      return $post_id;

     // 判断是否自动保存
     if (defined('DOING_AUTOSAVE') && DOING_AUTOSAVE) 
       return $post_id;

     // 验证用户权限
     if ('page' == $_POST['post_type']) {
      if ( !current_user_can('edit_page', $post_id))
       return $post_id;
     }
     else {
      if (!current_user_can('edit_post', $post_id))
       return $post_id;
     }

     // 更新设置
     if(!empty($_POST['ludou-allow-se']))
      update_post_meta($post_id, 'ludou_allow_se', '1');
     else
      update_post_meta($post_id, 'ludou_allow_se', '0');
    }
    add_action('save_post', 'ludouse_save_postdata');

    // 对于设置不允许抓取文章和页面
    // 禁止搜索引擎抓取，返回404
    function do_ludou_allow_se() {
     // 本功能只对文章和页面有效
     if(is_singular()) {
      global $post;
      $is_robots = 0;
      $ludou_allow_se = get_post_meta($post->ID, 'ludou_allow_se', true);

      if(!empty($ludou_allow_se)) {
       // 下面是爬虫Agent判断关键字数组
       // 有点简单，自己优化一下吧
       $bots = array(
          'spider',
          'bot',
          'crawl',
          'Slurp',
          'yahoo-blogs',
          'Yandex',
          'Yeti',
          'blogsearch',
          'ia_archive',
          'Google',
          'baidu'
          );

       $useragent = $_SERVER['HTTP_USER_AGENT'];

       if(!empty($useragent)) {
        foreach ($bots as $lookfor) {
         if (stristr($useragent, $lookfor) !== false) {
          $is_robots = 1;
          break;
         }
        }
       }

       // 如果当前文章/页面禁止搜索引擎抓取，返回404
       // 当然你可以改成403
       if($is_robots) {
        status_header(404);
        exit;
       }
      }
     }
    }
    add_action('wp', 'do_ludou_allow_se');

使用方法

成功添加以上代码到当前主题的functions.php后，我们就可以正常使用了，完全傻瓜式。在WordPress后台文章和页面的编辑页面，右边栏底部我们可以看到这样的选框：

$20151231152053845.png $287×82$$

如果当前文章/页面需要禁止搜索引擎抓取，勾选即可。勾选后，当此文章/页面被搜索引擎访问时就会返回404状态，无任何内容。如果你不喜欢给搜索引擎返回404，担心死链太多影响SEO，可以将代码中的：


    status_header(404);
    exit;

改成：


    echo "<meta name=\"robots\" content=\"noindex,noarchive\" />\n";

再将：


    add_action('wp', 'do_ludou_allow_se');

改成：


    add_action('wp_head', 'do_ludou_allow_se');

这样就直接在网页的head部分添加meta声明：


    <meta name="robots" content="noindex,noarchive" />

告诉搜索引擎不要索引本页面、不要显示快照。需要注意的是，你的主题目录下的header.php中必须有以下代码：


    wp_head();

设置文章只允许搜索引擎查看
有些文章只是为了SEO才发布的，想让这些文章只允许搜索引擎抓取，普通的访客无法查看，在WordPress中如何做到？

实现代码

如果你的WordPress站点未开启页面缓存，这个需求也不难实现，我们可以参考上面对搜索引擎隐藏特定的文章中的代码，稍作修改即可。在当前主题的functions.php中添加以下php代码，用UTF8编码保存：


    // 给文章和页面的编辑页添加选项
    function ludouseo_add_custom_box() {  
     add_meta_box('ludou_se_only', '搜索引擎专属', 'ludou_se_only', 'post', 'side', 'low');
     add_meta_box('ludou_se_only', '搜索引擎专属', 'ludou_se_only', 'page', 'side', 'low');
    }
    add_action('add_meta_boxes', 'ludouseo_add_custom_box');

    function ludou_se_only() {
     global $post;

     //添加验证字段
     wp_nonce_field('ludou_se_only', 'ludou_se_only_nonce');

     $meta_value = get_post_meta($post->ID, 'ludou_se_only', true);
     if($meta_value)
      echo '<input name="ludou-se-only" type="checkbox" checked="checked" value="1" /> 只允许搜索引擎查看';
     else
      echo '<input name="ludou-se-only" type="checkbox" value="1" /> 只允许搜索引擎查看';
    }

    // 保存选项设置
    function ludouseo_save_postdata($post_id) {
     // 验证
     if ( !isset( $_POST['ludou_se_only_nonce']))
      return $post_id;
     $nonce = $_POST['ludou_se_only_nonce'];

     // 验证字段是否合法
     if (!wp_verify_nonce( $nonce, 'ludou_se_only'))
      return $post_id;

     // 判断是否自动保存
     if (defined('DOING_AUTOSAVE') && DOING_AUTOSAVE)
       return $post_id;

     // 验证用户权限
     if ('page' == $_POST['post_type']) {
      if ( !current_user_can('edit_page', $post_id))
       return $post_id;
     }
     else {
      if (!current_user_can('edit_post', $post_id))
       return $post_id;
     }

     // 更新设置
     if(!empty($_POST['ludou-se-only']))
      update_post_meta($post_id, 'ludou_se_only', '1');
     else
      delete_post_meta($post_id, 'ludou_se_only');
    }
    add_action('save_post', 'ludouseo_save_postdata');

    function do_ludou_se_only() {
     // 本功能只对文章和页面有效
     if(is_singular()) {
      global $post;
      $is_robots = 0;
      $ludou_se_only = get_post_meta($post->ID, 'ludou_se_only', true);

      if(!empty($ludou_se_only)) {
       // 下面是搜索引擎Agent判断关键字数组
       // 有点简单，自己优化一下吧
       $bots = array(
          'spider',
          'bot',
          'crawl',
          'Slurp',
          'yahoo-blogs',
          'Yandex',
          'Yeti',
          'blogsearch',
          'ia_archive',
          'Google'
          );

       $useragent = $_SERVER['HTTP_USER_AGENT'];

       if(!empty($useragent)) {
        foreach ($bots as $lookfor) {
         if (stristr($useragent, $lookfor) !== false) {
          $is_robots = 1;
          break;
         }
        }
       }

       // 如果不是搜索引擎，就显示错误信息
       // 已登录的用户不受影响
       if(!$is_robots && !is_user_logged_in()) {
        wp_die('您无权查看此文！');
       }
      }
     }
    }
    add_action('wp', 'do_ludou_se_only');

使用方法

$20151231152211569.png $290×79$$