Sự quan trọng của tập tin robots.txt

sespider - Sự quan trọng của tập tin robots.txtMột trong những điều quan trọng để web site của bạn có thể đạt High ranking (thứ hạng cao) trong các cỗ máy tìm kiếm là bạn phải xây dựng cho mình một file Robots.txt. Vậy file Robots.txt là gì? khi một search engine tìm đến (nguyên văn Crawler) web site nào đó, nó sẽ tìm một file đặc biệt trước tiên, đó là file robots.txt. File robot.txt cho search engine đó biết rằng, web site này có thể index hoặc không (tùy theo lệnh được viết trong file robots.txt).
Thực chất, file robots.txt là một tập tin văn bản đơn giản (không chứa mã HTML) được đặt trong thư mục gốc của web site, ví dụ http://www.example.com/robots.txt.

Vậy, làm thế nào để tạo ra một file robots.txt? Rất đơn giản, bạn có thể mở chương trình Notepad hay bất cứ chương trình soạn thảo văn bản nào, lưu file với tên robots.txt là xong. Các dòng lệnh trong file này có cấu trúc như sau:

User-agent: googlebot
Disallow: /cgi-bin/

Trong đó User-agent: là đại diện của một search engine, Googlebot là spider của Google. Trong ví dụ này, chỉ các spider của Google là được phép index web site. Disallow: là không cho phép thực hiện điều gì đó. ở ví dụ trên là không cho phép các spider index thư mục “cgi-bin” trong web site.

Ví dụ thứ hai:

User-agent: googlebot
Disallow: /support

Tất cả các trang nằm trong thư mục support, hay support-desk sẽ không được index.

Nếu bạn muốn tất cả các search engine có thể index web site của bạn, nhưng không được index các trang trong thư mục “cgi-bin” thì sử dụng lệnh sau:

User-agent: *
Disallow: /cgi-bin/

Những điều nên tránh:
+ Không sử dụng các chú thích trong file robots.txt, nó có thể làm cho các spider của search engine bị lầm lẫn. Ví dụ:

“Disallow: support # Don’t index the support directory” might be misinterepreted as “Disallow: support#Don’t index the support directory”.

+ Không được để khoảng trắng ở đầu dòng lệnh, ví dụ:
User-agent: *
Disallow: /cgi-bin/

+Không thay đổi trật tự của các dòng lệnh. Ví dụ:
Disallow: /support
User-agent: *

+ Không sử dụng quá một thư mục trong dòng lệnh Disallow. Ví dụ:

User-agent: *
Disallow: /support /cgi-bin/ /images/

Các search engine không hiểu định dạng trên. Bạn nên viết thế này:

User-agent: *
Disallow: /support
Disallow: /cgi-bin/
Disallow: /images/

+Phải chắc chắn các mệnh đề, từ sử dụng trong lệnh là đúng. Ví dụ, thư mục của bạn là “cgi-bin” (viết thường, không viết hoa), nhưng khí vào lệnh, bạn lại viết là “Cgi-Bin” thì các spider sẽ “bó tay”.

+ Không nên dùng lệnh Allow trong file robots.txt, bởi vì trong web site của bạn chắc chắn sẽ có một số trang hoặc một số thành phần bạn không muốn bị người khác “nhòm ngó”. nếu bạn sử dụng lệnh Allow, tất cả mọi ngóc ngách trong web site của bạn sẽ bị index!

Theo Đinh Minh Chính – OnBoom Group

Kiến thức tiền sản

Website hay có ích

Bài viết mới

Top 10 Anime về thể thao cuốn hút người xem ngay từ giây phút đầu tiên

Anime ve the thao 150x150 - Top 10 Anime về thể thao cuốn hút người xem ngay từ giây phút đầu tiên

Anime về thể thao được mệnh danh là “thỏi nam châm” đối với các fan cứng. Anime thể thao không […]

Top 10 phim xuyên không cổ trang Trung Quốc hay và mới nhất

Phim xuyên không

Phim xuyên không về cổ đại từ lâu đã trở thành đề tài khai thác quen thuộc của Trung Quốc. […]

Ma Dong Seok và những bộ phim nổi bật “gây sốt” Hàn Quốc

Ma Dong Seok

Ma Dong Seok “ông trùm” phim hình động của điện ảnh xứ Kim chi. Tên tuổi của nah được khẳng […]

Mua máy pha cà phê cũ như thế nào để đảm bảo chất lượng

Mua may ca phe cu 1 150x150 - Mua máy pha cà phê cũ như thế nào để đảm bảo chất lượng

Mua máy pha cà phê cũ như thế nào để chất lượng và giá rẻ không phải điều mà ai […]

Cách chụp màn hình máy tính bảng Samsung với thao tác đơn giản nhất

Cach chup man hinh may tinh bang Samsung 150x150 - Cách chụp màn hình máy tính bảng Samsung với thao tác đơn giản nhất

Cách chụp màn hình máy tính bảng Samsung có thể nhiều người chưa rành. Với thao tác đơn giản, sẽ […]

Danh bạ website