Файл robots.txt, Назначение, синтаксис и прочее...
1105 2008
15:07
Файл robots.txt размещается в корневой директории сайта и описывает исключения для поисковых ботов. Придерживающийся стандартов бот проверяет сначала url "/robots.txt", если файл существует, то бот анализирует его содержимое на предмет наличия запретов к посещению определённых частей сайта. Имя файла не должно содержать заглавных букв. Записи в файле разделяются одной или несколькими пустыми строками. Комментарии в файле robots.txt начинаются знаком “#” и заканчиваются окончанием строки (строки, содержащие только комментарии игнорируются ботами и не являются разделителями записей). User-agent
Имя бота, к которому применяются правила исключений на сайте. Можно прописать несколько строк с User-agent, в этом случае правила, описанные в данной записи будут применяться указанными ботами. Для описывания правил ботам, для которых отдельная запись не составлена применяют следующий параметр: «*» (в файле robots.txt может быть только одна запись User-agent: *).
Disallow
В данном поле прописывается полный или частичный путь к месту на сайте, посещение которого запрещено для бота. В каждой записи должно присутствовать как минимум одно поле Disallow. Пустое поле Disallow подразумевает разрешение боту посещать все директории и файлы сайта. Не допускается использование в данном поле регулярных выражений и символов подстановки.
Примеры для http://site.ru/
(Показывает как можно сочетать директивы в файле robots.txt но не несущий смысловой нагрузки)
Цитата:
| User-agent: Yandex Disallow: /test/ Disallow: /print.html # Запрещает ботам Яндекса посещать папку http://site.ru/test/ # и файл http://site.ru/print.html User-agent: Aport User-agent: Googlebot Disallow: /temp/img/ # Запрещает посещение ботами Google и Апорт http://site.ru/temp/img/ User-agent: StackRambler Disallow: # Для бота поисковой системы Рамблер разрешено посещение всех # страниц и папок сайта User-Agent: * Disallow: /lesson.php?action=test # Запрещает посещение всеми ботами, для которых не сделана #отдельная запись, # динамических страниц, начинающихся с http://site.ru/lesson.php?action=test # например: http://site.ru/lesson.php?action=test&id=13 # чувствительно к порядку переменных в ссылке |
Цитата:
| User-agent: Yandex Disallow: /test/ Host: site.ru # разрешено посещение всех страниц и папок на сайте, кроме http://site.ru/test/ # основным зеркалом назначено http://site.ru/ User-agent: * Disallow: # всем ботам, кроме бота Яндекса, разрешено посещение всех страниц и # папок на сайте |
Цитата:
| User-agent: * Disallow: / |
(думаю, даже расшифровывать не требуется)
Yandex
Googlebot
StackRambler
Aport
Более полным списком не вижу смысла загромождать топик, кому интересно - обращайтесь в личку - вышлю.
Рекомендации по запрету к индексации
Что не следует указывать в файле robots.txt:
- папки с административными файлами
- файлы, о которых посторонним вообще знать не стоит
Прописывание путей к данным частям сайта может породить нездоровый интерес и попытки совершения зловредных действий, рады которым Вы уж точно не будете. К тому же есть и альтернативные способы запрета посещения и индексации ботами страниц.
Стоит запретить к индексации:
- документы "для печати"
- папки со скриптами
- папки с картинками (если у Вас не предвидится целевой аудитории с поиска по картинкам)
- сервисные страницы, такие как, например, страница с формой отправки письма администрации, схема проезда
Ошибки, допускаемые при составлении robots.txt
Как не надо делать:
Имя файла содержит заглавные буквы – Robots.txt или ROBOTS.TXT
Файл robots.txt размещается не в корневой директории
Пустая строка после поля User-agent
Отсутствие директивы Disallow
Использование в поле Disallow символов подстановки или регулярных выражений, например: "?", "*"
Больше одной строки "Disallow: *"
Пример ничего не запрещающего robots.txt
(основное зеркало site.ru)
Цитата:
| User-agent: * Disallow: User-agent: Yandex Disallow: Host: site.ru |
