Как составить robots.txt - Интересное в сети - Каталог игр - Онлайн игры для всех
Вторник, 06.12.2016, 11:07

Онлайн игры для всех

ГлавнаяМой профильРегистрацияВыходВход
Вы вошли какГость · Группа "Гости"Приветствую Вас, Гость · RSS
Меню сайта
Реклама
Реклама
Играй с нами!
Купить место
Категории раздела
Браузерные игры [4]
Браузерные онлайн игры
Клиентские игры [0]
Клиентские онлайн игры
Интересное в сети [153]
Всякое разное
Лучшее видео в отличном качестве [5]
От проверенной десятилетиями классики до рейтинговых бестселлеров — вы можете смотреть фильмы, которые интересны именно вам, не завися от телевизионной сетки и расписаний кинотеатра.
Форма входа
 Каталог игр
Главная » Статьи » Интересное в сети

Как составить robots.txt
  1. Что такое файл robots.txt

    Robots.txt — текстовый файл, расположенный на сайте, который предназначен для роботов поисковых систем. В этом файле веб-мастер может указать параметры индексирования своего сайта как для всех роботов сразу, так и для каждой поисковой системы по отдельности.


  2. Как создать robots.txt

    Воспользуйтесь любым текстовым редактором (например, Блокнотом или WordPad'ом), создайте файл с именем "robots.txt" и заполните его в соответствии с представленными ниже правилами. После этого необходимо загрузить файл в корневой каталог вашего сайта.

    Чтобы проверить правильность обработки вашего файла robots.txt, воспользуйтесь анализатором файла robots.txt.

  3. Директива User-agent

    Управлять доступом робота Яндекса к вашему сайту вы можете при помощи файла robots.txt, который должен быть размещен в корневой директории сайта. Робот Яндекса поддерживает стандарт описания http://www.robotstxt.org/wc/norobots.html с расширенными возможностями, описанными ниже.

    В роботе Яндекса используется сессионный принцип работы, на каждую сессию формируется определенный пул страниц, которые планирует закачать робот. Сессия начинается с закачки robots.txt сайта, если его нет, он не текстовый или на запрос робота возвращается HTTP-код отличный от '200', считается, что доступ роботу не ограничен. В самом robots.txt проверяется наличие записей, начинающихся с 'User-agent:', в них ищутся подстроки 'Yandex', либо '*' (регистр значения не имеет), причем, если обнаружено 'User-agent: Yandex', директивы для 'User-agent: *' не учитываются. Если записи 'User-agent: Yandex' и 'User-agent: *' отсутствуют, считается, что доступ роботу не ограничен.

    Следующим роботам Яндекса можно указать отдельные директивы:

    'YandexBot' — основной индексирующий робот;

    'YandexMedia' — робот, индексирующий мультимедийные данные;

    'YandexImages' — индексатор Яндекс.Картинок;

    'YandexCatalog' — "простукивалка" Яндекс.Каталога;

    'YandexDirect' — робот, индексирующий страницы сайтов, участвующих в Рекламной сети Яндекса;

    'YandexBlogs' — робот поиска по блогам, индексирующий комментарии постов;

    'YandexNews' — робот Яндекс.Новостей;

    'YandexPagechecker' — робот, обращающийся к странице при валидации микроразметки через форму «Валидатор микроразметки»;

    Для каждого из них также действительно правило: если обнаружены директивы для конкретного робота, директивы 'User-agent: Yandex' и 'User-agent: *' не используются.

    Пример:

    User-agent: YandexBot # будет использоваться только основным индексирующим роботом
    Disallow: /*id=
    
    User-agent: Yandex # будет использована всеми роботами Яндекса
    Disallow: /*sid= # кроме основного индексирующего
    
    User-agent: * # не будет использована роботами Яндекса
    Disallow: /cgi-bin 
  4. Использование директив Disallow и Allow

    Чтобы запретить доступ робота к некоторым частям сайта или сайту целиком, используйте директиву 'Disallow'. Примеры:

    User-agent: Yandex
    Disallow: / # блокирует доступ ко всему сайту
    
    User-agent: Yandex
    Disallow: /cgi-bin # блокирует доступ к страницам 
     #начинающимся с '/cgi-bin'

    Примечание:

    Недопустимо наличие пустых переводов строки между директивами 'User-agent' и 'Disallow' ('Allow'), а также между самими 'Disallow' ('Allow') директивами.

    Кроме того, в соответствии со стандартом перед каждой директивой 'User-agent' рекомендуется вставлять пустой перевод строки.

    Символ '#' предназначен для описания комментариев. Все, что находится после этого символа и до первого перевода строки не учитывается.

    Чтобы разрешить доступ робота к некоторым частям сайта или сайту целиком, используйте директиву 'Allow'. Примеры:

    User-agent: Yandex
    Allow: /cgi-bin
    Disallow: /
    # запрещает скачивать все, кроме страниц 
    # начинающихся с '/cgi-bin'

    Совместное использование директив.

    Если для данной страницы сайта подходит несколько директив, то выбирается первая в порядке появления в выбранном User-agent блоке. Примеры:

    User-agent: Yandex
    Allow: /cgi-bin
    Disallow: /
    # запрещает скачивать все, кроме страниц 
    # начинающихся с '/cgi-bin'
    User-agent: Yandex
    Disallow: /
    Allow: /cgi-bin
    # запрещает скачивать весь сайт

    Директивы Allow-Disallow без параметров.

    Отсутствие параметров у директивы трактуется следующим образом:

    User-agent: Yandex
    Disallow: # то же, что и Allow: /
    
    User-agent: Yandex
    Allow: # то же, что и Disallow: /

  5. Использование спецсимволов "*" и "$"

    При указании путей директив Allow-Disallow можно использовать спецсимволы '*' и '$', задавая, таким образом, определенные регулярные выражения. Спецсимвол '*' означает любую (в том числе пустую) последовательность символов. Примеры:

    User-agent: Yandex
    Disallow: /cgi-bin/*.aspx # запрещает '/cgi-bin/example.aspx'
     # и '/cgi-bin/private/test.aspx'
    Disallow: /*private # запрещает не только '/private',
     # но и '/cgi-bin/private'

    Спецсимвол '$'

    По умолчанию к концу каждого правила, описанного в robots.txt, приписывается '*', например:

    User-agent: Yandex
    Disallow: /cgi-bin* # блокирует доступ к страницам 
     # начинающимся с '/cgi-bin'
    Disallow: /cgi-bin # то же самое

    Чтобы отменить '*' на конце правила, можно использовать спецсимвол '$', например:

    User-agent: Yandex
    Disallow: /example$ # запрещает '/example', 
     # но не запрещает '/example.html'
    User-agent: Yandex
    Disallow: /example # запрещает и '/example', 
     # и '/example.html'
    User-agent: Yandex
    Disallow: /example$ # запрещает только '/example'
    Disallow: /example*$ # так же, как 'Disallow: /example' 
     #запрещает и /example.html и /example

  6. Директива Sitemap

    Если вы используете описание структуры вашего сайта в формате sitemaps.xml, и хотите, чтобы робот узнал о ней, укажите путь к sitemaps.xml в качестве параметра директивы 'Sitemap' (если файлов несколько, укажите все). Пример:

    User-agent: Yandex
    Allow: /
    Sitemap: http://mysite.ru/site_structure/my_sitemaps1.xml
    Sitemap: http://mysite.ru/site_structure/my_sitemaps2.xml

    Робот запомнит пути к sitemaps.xml, обработает файлы и будет использовать результаты при последующем формировании сессий закачки.


  7. Директива Host

    Если у вашего сайта есть зеркала, специальный робот зеркальщик определит их и сформирует группу зеркал вашего сайта. В поиске будет участвовать только главное зеркало. Вы можете указать его у всех зеркал при помощи robots.txt, используя директиву 'Host' и определив в качестве ее параметра имя главного зеркала. Директива 'Host' не гарантирует выбор указанного главного зеркала, тем не менее, алгоритм при принятии решения учитывает ее с высоким приоритетом. Пример:

    #Если www.glavnoye-zerkalo.ru главное зеркало сайта, то 
    #robots.txt для всех сайтов из группы зеркал выглядит так 
    User-Agent: *
    Disallow: /forum
    Disallow: /cgi-bin
    Host: www.glavnoye-zerkalo.ru

    Важно: в целях совместимости с роботами, которые не полностью следуют стандарту при обработке robots.txt, директиву 'Host' необходимо добавлять в группе, начинающейся с записи 'User-Agent', непосредственно после директив 'Disallow'('Allow'). Аргументом директивы 'Host' является доменное имя с номером порта (80 по умолчанию), отделенным двоеточием.

    #Пример корректно составленного robots.txt, при обработке 
    #которого директива Host учитывается
    User-Agent: *
    Disallow:
    Host: www.myhost.ru

    Тем не менее директива Host является межсекционной, поэтому будет использоваться роботом вне зависимости от места в файле robots.txt, где она указана.

    Важно: Директива Host в файле robots.txt может быть только одна. В случае указания нескольких директив, использоваться будет первая.

    Пример:

    Host: myhost.ru # используется
    
    User-agent: *
    Disallow: /cgi-bin
    
    User-agent: Yandex
    Disallow: /cgi-bin
    Host: www.myhost.ru # не используется

    Важно: параметр директивы Host обязан состоять из одного корректного имени хоста (то есть соответствующего RFC 952 и не являющегося IP-адресом) и допустимого номера порта. Некорректно составленные строчки 'Host:' игнорируются.

    # Примеры игнорируемых директив Host
    Host: www.myhost-.ru
    Host: www.-myhost.ru
    Host: www.myhost.ru:100000
    Host: www.my_host.ru
    Host: .my-host.ru:8000
    Host: my-host.ru.
    Host: my..host.ru
    Host: www.myhost.ru/
    Host: www.myhost.ru:8080/
    Host: http://www.myhost.ru
    Host: 213.180.194.129
    Host: www.firsthost.ru,www.secondhost.ru
    Host: www.firsthost.ru www.secondhost.ru

    Примеры использования директивы Host:

    # domen.myhost.ru является главным зеркалом 
    # www.domen.myhost.ru, тогда корректное использование 
    # директивы Host такое:
    User-Agent: *
    Disallow:
    Host: domen.myhost.ru
    
    # domen.myhost.ru является главным зеркалом 
    # www.domen.myhost.ru, тогда некорректное использование 
    # директивы Host такое:
    User-Agent: *
    Disallow:
    Host: myhost.ru

  8. Директива Crawl-delay

    Если сервер сильно нагружен и не успевает отрабатывать запросы на закачку, воспользуйтесь директивой "Crawl-delay". Она позволяет задать поисковому роботу минимальный период времени (в секундах) между концом закачки одной страницы и началом закачки следующей. В целях совместимости с роботами, которые не полностью следуют стандарту при обработке robots.txt, директиву "Crawl-delay" необходимо добавлять в группе, начинающейся с записи "User-Agent", непосредственно после директив "Disallow" ("Allow").

    Поисковый робот Яндекса поддерживает дробные значения Crawl-Delay, например, 0.5. Это не гарантирует, что поисковый робот будет заходить на ваш сайт каждые полсекунды, но дает роботу больше свободы и позволяет ускорить обход сайта.

    Примеры:

    User-agent: Yandex
    Crawl-delay: 2 # задает таймаут в 2 секунды
    
    User-agent: *
    Disallow: /search
    Crawl-delay: 4.5 # задает таймаут в 4.5 секунды
    

  9. Директива Clean-param

    Если адреса страниц вашего сайта содержат динамические параметры, которые не влияют на их содержимое (например: идентификаторы сессий, пользователей, рефереров и т.п.), вы можете описать их при помощи директивы 'Clean-param'. Робот Яндекса, используя эту информацию, не будет многократно перезакачивать дублирующуюся информацию. Таким образом, увеличится эффективность обхода вашего сайта, снизится нагрузка на сервер.

    Например, на сайте есть страницы:

    www.site.ru/some_dir/get_book.pl?ref=site_1&book_id=123
    www.site.ru/some_dir/get_book.pl?ref=site_2&book_id=123
    www.site.ru/some_dir/get_book.pl?ref=site_3&book_id=123

    параметр 'ref=' используется только для того, чтобы отследить с какого ресурса был сделан запрос и не меняет содержимое, по всем трем адресам будет показана одна и та же страница с книгой 'book_id=123'. Тогда, если в robots.txt указать:

    Clean-param: ref /some_dir/get_book.pl

    Вот так:

    User-agent: Yandex
    Disallow:
    Clean-param: ref /some_dir/get_book.pl

    Робот Яндекса сведет все адреса страницы к одному:

    www.site.ru/some_dir/get_book.pl?ref=site_1&book_id=123,
    

    Если на сайте доступна страница без параметров:

    www.site.ru/some_dir/get_book.pl?book_id=123

    То все сведется именно к ней, когда она будет проиндексирована роботом. Другие страницы вашего сайта будут обходиться чаще, так как нет необходимости обновлять страницы:

    www.site.ru/some_dir/get_book.pl?ref=site_2&book_id=123
    www.site.ru/some_dir/get_book.pl?ref=site_3&book_id=123

    Синтаксис использования директивы:

    Clean-param: p0[&p1&p2&..&pn] [path]

    В первом поле через '&' перечисляются параметры, которые нужно не учитывать. Во втором поле указывается префикс пути страниц, для которых нужно применить правило.

    Важно: директива Clean-Param является межсекционной, поэтому может быть указана в любом месте файла robots.txt. В случае, если директив указано несколько, все они будут учтены роботом.

    Примечание:

    Префикс может содержать регулярное выражение в формате, аналогичном robots.txt, но с некоторыми ограничениями: можно использовать только символы A-Za-z0-9.-/*_. При этом * трактуется так же, как в robots.txt. В конец префикса всегда неявно дописывается '*', то есть:

    Clean-param: s /forum/showthread.php

    означает, что параметр s будет считаться незначащим для всех url-ов, начинающихся с /forum/showthread.php. Второе поле указывать необязательно, в этом случае правило будет применяться для всех страниц сайта. Регистр учитывается. Действует ограничение на длину правила — 500 символов. Например:

    Clean-param: abc /forum/showthread.php
    Clean-param: sid&sort /forumt/*.php
    Clean-param: someTrash&otherTrash

    Дополнительные примеры:

    #для адресов вида:
    www.site1.ru/forum/showthread.php?s=681498b9648949605&t=8243
    www.site1.ru/forum/showthread.php?s=1e71c4427317a117a&t=8243
    #robots.txt будет содержать:
    User-agent: Yandex
    Disallow:
    Clean-param: s /forum/showthread.php
    #для адресов вида:
    www.site2.ru/index.php?page=1&sort=3a&sid=2564126ebdec301c607e5df
    www.site2.ru/index.php?page=1&sort=3a&sid=974017dcd170d6c4a5d76ae
    #robots.txt будет содержать:
    User-agent: Yandex
    Disallow:
    Clean-param: sid /index.php
    #если таких параметров несколько:
    www.site1.ru/forum_old/showthread.php?s=681498605&t=8243&ref=1311
    www.site1.ru/forum_new/showthread.php?s=1e71c417a&t=8243&ref=9896
    #robots.txt будет содержать:
    User-agent: Yandex
    Disallow:
    Clean-param: s&ref /forum*/showthread.php
    #если параметр используется в нескольких скриптах:
    www.site1.ru/forum/showthread.php?s=681498b9648949605&t=8243
    www.site1.ru/forum/index.php?s=1e71c4427317a117a&t=8243
    #robots.txt будет содержать:
    User-agent: Yandex
    Disallow:
    Clean-param: s /forum/index.php
    Clean-param: s /forum/showthread.php

  10. Дополнительная информация

    Директивы robots.txt, которые не упомянуты в данном описании, робот Яндекса не поддерживает.

    Необходимо помнить, что результат использования расширений формата robots.txt может отличаться от результата без них, а именно:

    User-agent: Yandex 
    Allow: /
    Disallow: /
    # без расширений все запрещалось так как 'Allow: /' игнорировалось, 
    # с поддержкой расширений все разрешается
    
    User-agent: Yandex
    Disallow: /private*html
    # без расширений запрещалось '/private*html', 
    # а с поддержкой расширений и '/private*html', 
    # и '/private/test.html', и '/private/html/test.aspx' и т.п.
    
    User-agent: Yandex
    Disallow: /private$
    # без расширений запрещалось '/private$' и '/private$test' и т.п., 
    # а с поддержкой расширений только '/private'
    
    User-agent: *
    Disallow: /
    User-agent: Yandex
    Allow: /
    # без расширений из-за отсутствия перевода строки, 
    # 'User-agent: Yandex' было бы проигнорировано и 
    # результатом стало бы 'Disallow: /', но робот Яндекса 
    # выделяет записи по наличию в строке 'User-agent:', 
    # результат для робота Яндекса в данном случае 'Allow: /'
    
    User-agent: *
    Disallow: /
    # комментарий1...
    # комментарий2...
    # комментарий3...
    User-agent: Yandex
    Allow: /
    # аналогично предыдущему примеру (см. выше)

    Примеры использования расширенного формата robots.txt:

    User-agent: Yandex
    Allow: /archive
    Disallow: /
    # разрешает все, что содержит '/archive', остальное запрещено
    
    User-agent: Yandex
    Allow: /obsolete/private/*.html$ # разрешает html файлы 
     # по пути '/obsolete/private/...'
    Disallow: /*.php$ # запрещает все '*.php' на данном сайте
    Disallow: /*/private/ # запрещает все подпути содержащие 
     # '/private/', но Allow выше отменяет 
     # часть запрета
    Disallow: /*/old/*.zip$ # запрещает все '*.zip' файлы, содержащие 
     # в пути '/old/'
    
    User-agent: Yandex
    Disallow: /add.php?*user= 
    # запрещает все скрипты 'add.php?' с параметром 'user'

    При написании robots.txt необходимо помнить, что у робота есть разумное ограничение на его размер. Слишком большие robots.txt (более 32 Кб) считаются полностью разрешающими, то есть рассматриваются аналогично:

    User-agent: Yandex
    Disallow:

    Также разрешающими считаются robots.txt, которые не удалось закачать (например, по причине неправильных http-заголовков) или отдающие 404 ошибку.

    Для проверки правильности файла robots.txt вы можете воспользоваться специальным on-line анализатором. См. описание «Анализатор robots.txt»

Категория: Интересное в сети | Добавил: Vlad-guon123 (14.02.2012) W
Просмотров: 1427 | Теги: Как составить robots.txt, robots.txt, «Анализатор robots.txt» | Рейтинг: 0.0/0
Всего комментариев: 0
Добавлять комментарии могут только зарегистрированные пользователи.
[ Регистрация | Вход ]
Copyright MyCorp © 2016
Поиск по сайту
Мы ВКонтакте
Статистика
Яндекс.Метрика Рейтинг@Mail.ru Регистрация сайта в каталогах, раскрутка и оптимизация сайта, контекстная реклама Яндекс цитирования
Онлайн всего: 1
Гостей: 1
Пользователей: 0
Лучшие онлайн игры
Игры
Forex
Реклама
Друзья сайта
  • Онлайн игры для всех
  • MyLands
  • Творчество без границ
  • Заработок на играх
  • Герои Луганска
  • Все про онлайн игру "Герои Войны и Денег"
  • Центр реабилитации инвалидов г.Луганск.
  • Бесплатные онлайн игры
  • Онлайн игры для каждого
  • InstaForex - лучший брокер в Азии
  • Луганская Ботва
  • Сайт создан в системе uCoz