WordPress特定文章对搜索引擎隐藏或只允许搜索引擎查看

江南才子

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：

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
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：

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/页面被普通访客访问时就会显示下面的错误信息（搜索引擎和已登录用户不受影响）：