Một  trong những điều cần chú ý để website của bạn có thể đạt thứ hạng  cao trong các cỗ máy tìm kiếm là bạn phải xây dựng cho mình một file  Robots.txt theo đúng tiêu chuẩn .

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!

(Theo DTC)

Last modified on December 9th, 2020 at 1:46 am

10cth1