Custom Search



Nơi bạn đến là nơi tôi bắt đầu, nơi tôi qua sẽ là nơi bạn đến...

Saturday, January 5, 2013

Hướng dẫn cách sử dụng và tối ưu Robots.txt

Robot.txt là một kĩ thuật trong SEO , khi các bot crawl trên web của bạn , nó sẽ tìm đến file robot.txt đầu tiên , file này sẽ chỉ định các phần cho phép máy tìm kiếm index trang của bạn và nhiều trang đăng nhập vào phần admin có thể tìm thấy link qua google

Ngoài ra robot.txt cũng là 1 phần trong kĩ thuật SEO giúp site bạn tăng rank . Cụ thể thì có thể tìm trên các site chuyên về SEO có rất nhiều. Ví dụ 1 file robot.txt như sau

User-agent: *
Disallow: /help/confidence/
Disallow: /help/policies/
Disallow: /disney/


Giải thích: User-agent: áp dụng với tất cả các bot

Nếu chỉ áp dụng cho 1 bot nào đó , googlebot chẳng hạn thì thay bằng

User-agent:Googlebot
Disallow: /help/confidence/
Disallow:/help/policies/
Disallow:/disney/


Các file trong các thư mục trên sẽ không được index

Về robot của joomla khuyên bạn chặn index các đường dẫn trong backend (Tất nhiên không có vẫn chạy tốt , nhưng để có thể sẽ bị các search engine nó index , tốt nhất nên tạo robot.txt và .htaccessbổ sung thêm những điều nên tránh trong robot.txt

Vậy file Robots.txt là gì? Khi một search engine tìm đến (nguyên văn Crawler) Website nào đó, nó sẽ tìm một file đặc biệt trước tiên, đó là file robots.txt. File robots.txt cho search engine đó biết rằng, Website 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.

Một ví dụ nữa:

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!

Mở rộng thêm:

Website của mình muốn các robot crawl tất cả các trang, nhưng cái diễn đàn cài trong folder /diendan thì không muốn crawl, do vậy mình sử dụng google webmaster tool sinh ra file robots.txt như sau


User-agent: *
Disallow: /diendan/
Allow: /


Các bạn cho mình hỏi, nội dung file đó đã đảm bảo yêu cầu như trên chưa?Trả lời:


User-agent: *
Disallow: /diendan/



Ngoài ra, nếu bạn dùng wordpress, đây là cấu hình chuẩn file robots.txt (update 5/2012)


Sitemap: http://www.example.com/sitemap.xml

# Google Image
User-agent: Googlebot-Image
Disallow:
Allow: /*

# Google AdSense
User-agent: Mediapartners-Google*
Disallow:

# digg mirror
User-agent: duggmirror
Disallow: /

# global
User-agent: *
Disallow: /cgi-bin/
Disallow: /wp-admin/
Disallow: /wp-includes/
Disallow: /wp-content/plugins/
Disallow: /wp-content/cache/
Disallow: /wp-content/themes/
Disallow: /trackback/
Disallow: /feed/
Disallow: /comments/
Disallow: /category/*/*
Disallow: */trackback/
Disallow: */feed/
Disallow: */comments/
Disallow: /*?
Allow: /wp-content/uploads/
Post a Comment