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 https://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 truyện teen Việt Nam bạn đọc không thể không biết

Định mệnh nhóc là của anh

Top truyện teen Việt Nam vô cùng đặc sắc đã được cập bến rồi các nàng ơi!! Đây là thể […]

Mách bạn 15 món gà kho đơn giản đưa cơm ngon quên lối về

Gà kho tiêu

Chẳng biết tự bao giờ mà món kho đã trở thành một hình ảnh vô cùng thân thuộc trên mâm […]

Top 15 món xào ngon từ thịt heo đơn giản, dễ làm

Thịt heo xào củ sắn

Thịt heo vốn là loại thực phẩm rất giàu dinh dưỡng, trong thành phần của nó có các vitamin như […]

Top 10 phim điệp viên hay xuất sắc nhất thế giới điện ảnh

Phim điệp viên

Phim điệp viên luôn thu hút lượng lớn khán giả nhờ những pha đấu trí căng não. Tại đây bạn […]

1001 kí tự đặc biệt Free Fire đẹp và ấn tượng nhất năm 2021

Khi tìm hiểu về những cái tên game hay, Baothanhhoa.com.vn đã chọn lọc ra 1001 kí tự đặc biệt Free […]