Sự quan trọng của file Robots.txt doc

Sự quan trọng của file 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 fil

Sự quan trọng của file 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!

Bạn có thể tham khảo tập tin robots.txt tại các web site nổi tiếng trên thế giới là Ebay và Nytimes:

http://www.nytimes.com/robots.txt

http://www.ebay.com/robots.txt