是否存在让爬虫忽略文档部分的方法？

Question

我知道您可以通过 robots.txt、元标记、链接属性等来控制爬虫/蜘蛛可以访问哪些文档。

但在我的特殊情况下，我只想忽略文档的一部分。该部分不能存在于 IFrame 中，而且是“正常”内容。像<noscript> 块这样的东西会很棒，它将部分内容标记为“请不要索引这个。”

• 首先，我考虑使用document.write() 来写出这些部分，但我了解到我的假设“蜘蛛通常不执行 JavaScript”似乎是错误的。
• 当我检测到爬虫时，我正在考虑提供不同版本的页面，但这不是很准确，对吧？
• 另外，我不能将该内容放在图像上。

是否有任何技巧可以避免将文档的特定部分（不是散布在文档中的某些特定单词）编入索引？

[edit] 我知道我可以做一些“如果用户代理在机器人列表中”，但我不喜欢这个想法。可能有一种更不可知论的方法。要抑制的部分包含动态内容，无论我在做什么，它都必须与 IE6 等“旧”浏览器一起使用：\

Answer 1

静态内容和动态内容的唯一区别是您包含的文件的扩展名：

var extension = "js"; // change to "php" for example to load dynamic content
function loadJS(filename){
  var js=document.createElement('script')
  js.setAttribute("type","text/javascript")
  js.setAttribute("src", filename)
  document.getElementsByTagName("head")[0].appendChild(js);
}
window.onload=function() {
  loadJS("somecontenttoload."+extension); // hard for crawlers to read 
}

在 somecontenttoload.js 中：

document.getElementById("content").innerHTML="This is static";

在 somecontenttoload.php 中

<?PHP 
  header("content-type:text/javascript");
  // load data from database
  $bla = .....;
  ?>
  document.getElementById("content").innerHTML="<? echo $bla; ?>";