Sự quan trọng của tập tin robots.txt

Một 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

diễn đàn mẹ và bé

Website đọc truyện online

    Website đọc truyện online với nhiều truyện teen đặc sắc được cập nhật liên tục.

Bài viết mới

Top 3 truyện ngôn tình nhớ mãi không quên

Cung đấu không bằng nuôi cún

Nếu bạn là một độc giả yêu thích thể loại truyện ngôn tình, hẳn là bạn cũng sẽ có không […]

XSMT 26/08 – Kết quả xổ số Miền Trung hôm nay ngày 26/08/2018

Xổ số Miền Trung ngày 26/8 trong may có rủi

Kết quả XSMT ngày 26/08 – Thông tin KQ xổ số kiến thiết Miền Trung hôm nay Chủ Nhật ngày […]

Kiểu tóc xoăn ngang vai thịnh hành được các sao nữ yêu thích

kiểu tóc xoăn ngang vai thịnh hành

Kiểu tóc xoăn ngang vai thịnh hành luôn được các sao nữ cập nhật nhanh chóng. Muốn biết kiểu tóc […]

Top 3 truyện tiên hiệp hay nhất trong tháng 8/2018

CHÂN LINH CỬU BIẾN

Truyện tiên hiệp được xem là một thế giới vô cùng rộng lớn, nơi có những tác phẩm đặc sắc […]

Bánh trung thu trà xanh thanh khiết đón hội trăng rằm rộn ràng

Bánh trung thu trà xanh

Bánh trung thu trà xanh xuất hiện giống như một cơn bão dữ dội truy quét khắp các thị trường […]