Robots.txtの詳細な紹介

robots.txt の基本的な紹介
Robots.txt はプレーンテキストファイルであり、Web サイト管理者は、ロボットによるアクセスを禁止する Web サイトの一部を宣言したり、検索エンジンが特定のコンテンツのみをインデックスするように指定したりできます。
検索ロボット (検索スパイダーと呼ばれることもあります) がサイトを訪問すると、まずサイトのルートディレクトリに robots.txt があるかどうかを確認します。存在する場合、検索ロボットはファイルの内容に応じてアクセス範囲を決定します。ファイルが存在しない場合、検索ロボットはリンクに沿ってクロールします。
さらに、robots.txt はサイトのルートディレクトリに配置する必要があり、ファイル名はすべて小文字にする必要があります。
robots.txt の記述構文<br />まず、robots.txt の例を見てみましょう: http://www.csswebs.org/robots.txt
上記の特定のアドレスにアクセスすると、robots.txt の具体的な内容が次のように表示されます。
# http://www.csswebs.org の Robots.txt ファイル
# すべてのロボットがドメインをスパイダーします
ユーザーエージェント: *
許可しない:
上記のテキストは、すべての検索ロボットが www.csswebs.org サイトのすべてのファイルにアクセスできることを意味します。
特定の構文分析: # の後のテキストは説明情報です。User-agent: の後には検索ロボットの名前が続きます。* が続く場合は、すべての検索ロボットを参照します。Disallow: の後には、アクセスが許可されていないファイルディレクトリが続きます。
以下に、robots.txt の具体的な使用例をいくつか挙げます。
すべてのロボットにアクセスを許可する
ユーザーエージェント: *
許可しない:
または、空のファイル「/robots.txt」を作成することもできます
すべての検索エンジンがサイトのどの部分にアクセスできないようにブロックする
ユーザーエージェント: *
許可しない: /
すべての検索エンジンがサイトのいくつかのセクション（以下の例ではディレクトリ 01、02、03）にアクセスするのをブロックします。

ユーザーエージェント: *
禁止: /01/
禁止: /02/
許可しない: /03/
検索エンジンへのアクセスをブロックする（下の例ではBadBot）
ユーザーエージェント: BadBot
許可しない: /
特定の検索エンジン（以下の例ではクローラー）からのアクセスのみを許可する
ユーザーエージェント: クローラー
許可しない:
ユーザーエージェント: *
許可しない: /
さらに、これを拡張してロボットメタを導入する必要があると考えています。
Robots META タグは主に特定のページを対象としています。他の META タグ (使用言語、ページの説明、キーワードなど) と同様に、Robots META タグもページの <head> </head> に配置され、特に検索エンジン ROBOTS にページのコンテンツをクロールする方法を伝えるために使用されます。
Robots META タグの書き方:
Robots META タグでは大文字と小文字は区別されません。name="Robots" はすべての検索エンジンを意味し、特定の検索エンジンの場合は name="BaiduSpider" と記述できます。コンテンツ部分には、index、noindex、follow、nofollow の 4 つのコマンドオプションがあります。コマンドは「,」で区切られます。
INDEX ディレクティブは、検索ロボットにページをクロールするように指示します。
FOLLOW 命令は、検索ロボットがページ上のリンクに沿ってクロールを続行できることを示します。
Robots Meta タグのデフォルト値は INDEX と FOLLOW ですが、inktomi の場合、デフォルト値は INDEX、NOFOLLOW です。
したがって、組み合わせは次の 4 つになります。
＜META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”＞
<META NAME="ROBOTS" CONTENT="NOINDEX,FOLLOW">
＜META NAME=”ROBOTS” CONTENT=”INDEX,NOFOLLOW”＞
<META NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW">
このうち、<META NAME=”ROBOTS” CONTENT=”INDEX,FOLLOW”> は <META NAME=”ROBOTS” CONTENT=”ALL”> と記述できます。
<META NAME="ROBOTS" CONTENT="NOINDEX,NOFOLLOW"> は <META NAME="ROBOTS" CONTENT="NONE"> と記述できます。
現時点では、検索エンジンロボットの大半は robots.txt のルールに従っているようです。Robots META タグについては、現時点ではサポートがあまりありませんが、徐々に増えてきています。たとえば、有名な検索エンジン GOOGLE はこれを全面的にサポートしており、GOOGLE は Web ページのスナップショットを保持するかどうかを制限できるコマンド「archive」も追加しました。例えば：
＜META NAME=”googlebot” CONTENT=”index,follow,noarchive”＞

<<: MySQLインデックスを最適化する方法

>>: モバイル署名機能を実装するJavaScript