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. __________________
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. __________________
Wed Jun 24, 2015 6:01 pm by thientai220
» SỬA MÁY TÍNH , MÁY IN, ĐỔ MỰC MÁY IN TẠI NHÀ HỒ CHÍ MINH
Wed Mar 07, 2012 2:36 pm by tuquynh
» Khai giảng lớp luyện thi N2 và N3 tại Trung tâm Nhật Ngữ To
Wed Mar 07, 2012 2:32 pm by tuquynh
» vietpon mua sản phẩm chất lượng, giá tốt.
Sat Oct 08, 2011 10:01 am by tuquynh
» Học tiếng Nhật - Top Globis
Sat Oct 08, 2011 9:50 am by tuquynh
» Học tiếng Nhật - Top Globis
Wed Sep 07, 2011 11:17 am by tuquynh
» Quần áo trẻ em hàng VNXK cho bé iu,
Sun Jul 10, 2011 9:57 pm by gemshop
» VietPon.com -Mạng giảm giá caocấpcủa Nhật chính thức ra mắt
Mon May 16, 2011 3:27 pm by tuquynh
» Vui hè cùng thời trang cực xinh cho bé đây ^^
Wed Apr 06, 2011 2:39 pm by demsaoroi88
» Danh Sách Ngày cuối cùng gặp nhau!
Tue Jan 25, 2011 10:20 pm by UntilU