基於內容調整或隱私考量,我們有時並不希望某些頁面被搜尋引擎的快照留存。對站長來說,快照還會分走一部分本屬於網站的直接流量,這也是想控制它的現實理由。
早期網路上流傳過一種做法:利用瀏覽器對CSS的解析特性,在樣式檔中寫入表達式語法,讓快照頁在渲染時被導向別的位址。原理是當時百度抓取快照時不執行JavaScript,但仍會抓取遠端CSS,於是有人試圖從這個縫隙下手。
這裡必須明確提醒:這類寫法不要再用。它依賴的是已被淘汰的舊版IE專屬語法,在現代瀏覽器中完全不生效;把可執行的程式碼寫進樣式檔,本身就是典型的安全與XSS風險來源;而且以劫持渲染的方式操縱他人頁面呈現,性質上屬於鑽空子,並非站長該走的路。演算法早已更迭,這套做法既無效也有害。
想讓某個頁面不被建立快照,各主流搜尋引擎都提供了官方支援的標準做法:
一、meta noarchive。在頁面head中加入 <meta name="robots" content="noarchive">,明確告知搜尋引擎不要保存這個頁面的快照。這是公認且最精準的方式,只影響快照,不影響收錄。
二、搜索引擎自帶的快照刪除通道。百度、谷歌的站長平台都提供快照刪除或更新申請功能,提交後由官方處理,安全可控。
三、robots.txt 與 X-Robots-Tag。若整個目錄都不希望被索引,可用robots.txt限制抓取;需要在HTTP標頭層面控制時,則可用 X-Robots-Tag: noarchive。注意:robots.txt限制的是抓取,一旦禁止抓取,搜尋引擎也就無法看到頁內的noarchive指令,兩者不要混用。
控制快照這件事,走官方標準路徑就好:一行meta標籤能解決的問題,不需要任何取捨或折騰。既能保護隱私、把流量留在自己站上,也不給網站留下任何風險隱患。