The Seven Codes Idea guardada 0 veces
Sé la primera persona en valorar esta idea Valorar

¿Qué es Robots.txt y para qué sirve? Yo robots Parte I



Muchas webs tienen un archivo llamado “robots.txt” este archivo ayuda a las webs a evitar que los buscadores indexen directorios o otro contenido que no tendríamos que ver.
Robots.txt es un archivo de texto (no HTML) que se coloca en un sitio o página, para indicar a los robots de búsqueda qué páginas desea que no visiten. El archivo Robots.txt no es obligatorio para los motores de búsqueda, pero generalmente los motores de búsqueda obedecen lo que se les pide que no hagan y, a veces, este fichero, puede resultar muy útil.

Como veremos más adelante hay buscadores que indexan contenidos por mucho que la web no quiera y esté el archivo “robots.txt”.Por ejemplo en la dirección de http://www.google.com/robots.txt encontramos un archivo en texto plano , si nos fijamos en la parte principal hay el estoUser-agent: *
Disallow: /search
Disallow: /sdch

el User-agent: * indica que este archivo sea reconocido para todos los buscadores.
Después tenemos Disallow: /search el disallow evita la indexación de una carpeta o archivo, en este caso no indexara los contenidos del directorio search ni sdch.
Este es el típico archivo “robots.txt” con el que nos encontraremos la mayoría de veces.
Como vemos el archivo “robots.txt” también es una fuente de información ya que si lo bloquean sera por que hay algo interesante ¿no?.
Evitar que ciertos bots que analizan los sitios web con el protocolo de robots.txt ≪ °° ≫



≪ °° ≫
El hecho de que coloque un archivo robots.txt es algo así como poner una nota "Por favor, no entrar" en una puerta desbloqueada, por ejemplo, no se puede evitar que los ladrones entren a tu casa, pero una persona sensata no lo haría.

¿Qué es robots.txt?

robots.txt es un archivo público, que debe estar en la raíz de tu web, donde se hacen una serie de recomendaciones a los robots qué deben y qué no deben indexar en los buscadores.
Es genial cuando los motores de búsqueda visitan con frecuencia su sitio e indexan su contenido, pero a menudo hay casos en que la indexación de partes de su contenido puede penalizarle.
Por ejemplo:

Si tiene dos versiones de una página (una para ver en el navegador y otra para imprimir), preferiría que se excluyera la versión de impresión del rastreo para evitar la detección de contenido duplicado.

Si tiene datos sensibles que no desea que el mundo vea, también es preferible que los motores de búsqueda no indexen estas páginas.
Claro, y tú me preguntarás ¿Qué hago si no quiero que me indexen una parte de la web?
Buena pregunta. Puede haber partes de la web que por ser privadas, por contener contenido que, por la razón que sea, no quieres que estén indexadas. Pues para eso usarás el archivo Robots.txt.
Es importante aclarar que Robots.txt no es una forma de impedir que los motores de búsqueda rastreen su sitio (es decir, no es un cortafuegos o un tipo de protección con contraseña).

Hay muchos tipos de robots y cada uno tiene una misión.

Googlebot: El robot de Google.

Googlebot-Image: El indexador de imágenes de Google.

Bingbot: El robot de Bing.

YandexBot: De Yandex, el buscador ruso.

Roger: De Moz

BaiduSpider: El del buscador chino Baidu.

ia_archiver: El de Alexa, que también utiliza Wayback Machine (una web que presenta webs antiguas. En este enlace puedes ver cómo era la web que tenía en 1998)
Así que con Robots.txt le podemos decir a un crawler (no me flipado, es su nombre en inglés) cosas como estas:

Partes de tu web que no quieres que sean accesibles

Partes de tu web que sí quieres que sean accesibles

Impedir que el buscador valore diferentes entradas a un mismo contenido como contenido duplicado

Decirle que no acceda a partes de la web con código u otros elementos

Decirle al robot donde está el xml ≪ °° ≫


≪ °° ≫

Estarás de acuerdo conmigo que este archivo es un inventazo en el proximo blog veremos como crear estos archivos + como podemos ver que son vulnerables trataremos de hackear o tener accesos a las web creando nuestra herramientas para indexar.

Si quieres saber más sobre los tipos de robots (también se les llaman “Bots”), en estos enlaces encontrarás listas completas:

https://support.google.com/webmasters/answer/6062596?hl=es&ref_topic=6061961

https://support.google.com/webmasters/answer/6062608?hl=es

https://es.wikipedia.org/wiki/Est%C3%A1ndar_de_exclusi%C3%B3n_de_robots

https://support.google.com/webmasters/answer/6062598

⇜⇝⇜⇝⇜⇝⇜⇝


------------------------------------------------
Únete a la comunidad Cyber Hacking




ADVERTENCIA: NO INTENTE HACER UN ATAQUE SIN EL PERMISO DE PROPIETARIO DEL SITIO WEB. ES UN PROPÓSITO EDUCATIVO SOLAMENTE. NO ES RESPONSABLE DE NINGUN TIPO DE PROBLEMA ILEGAL.

PERMANECE LEGAL. GRACIAS!

Si tienes algún problema, deja un comentario.

Follow @LPericena

Mi nombre es Luishiño aquí es donde me gusta escribir sobre temas que en su momento me interesan. Aveces sobre mi vida personal y principalmente cosas de programación ,desarrollo web.Aplicaciones,Software, programas que yo mismo las desarrollo y cosas básicas de informática.

Fuente: este post proviene de The Seven Codes, donde puedes consultar el contenido original.
¿Vulnera este post tus derechos? Pincha aquí.
¿Qué te ha parecido esta idea?

Esta idea proviene de:

Y estas son sus últimas ideas publicadas:

Recomendamos

Relacionado

blog top seo noti google #notigoogle ...

La exclusión de Robots será un STANDART ¿Estás preparado?

La exclusión de robots dentro del archivo Robots.txt será un standart. Así lo anunció Google en un tweet donde ha hecho público el artículo que explica; cómo después de 25 años se ha hecho imperativa la necesidad de aplicar la especificación del protocolo de exclusión de robots. ¡Vamos a ver de qué se trata! ¿Qué es la exclusión de Robots? Este es un protocolo que se dicta por medio de un comando: ...

técnica fotográfica raw

¿Qué es y para qué sirve el formato RAW?

RAW (en inglés crudo) es un formato de archivo digital de imágenes que contiene la totalidad de los datos de la imagen tal como ha sido captada por el sensor digital de la cámara fotográfica . El formato RAW no suele llevar aplicada compresión (sea con o sin pérdidas) como ocurre con el popular JPEG, aunque en algunos casos sí se emplea. Debido a que RAW contiene la totalidad de los datos de la im ...

amino cmd comunidad ...

¿Qué es FileZilla y para que sirve?

¿Qué es FileZilla? FileZilla es el nombre de un programa, de un software de vital importancia para las compañías que necesitan alojar y compartir archivos en internet. Se trata de una herramienta pensada para aprovechar los protocolos FTP, lo que permite la descarga y el envío de archivos a gran velocidad a través de un servidor dedicado o compartido. Para qué sirve FileZilla FileZilla sirve, por ...

Must

Qué es el posicionamiento SEO y cómo mejorarlo.

Ha llegado la hora de hablar de algo muy importante a la hora de posicionar nuestra web: el SEO. Una palabra que se escucha a lo largo y ancho de Internet y de cuya importancia mucha gente todavía no se ha percatado. Y es que el SEO es la forma que tiene una web de ocupar los puestos más altos en los resultados de búsqueda de los diferentes motores: Google, Yahoo… Estos motores de búsqueda s ...

general gadgets

Todo Sobre Chromecast – Entérate qué es y para qué sirve

Todo Sobre Chromecast – Enterate qué es y para qué sirve El Chromecast de Google ha cumplido un año y cada día es mejor gracias a sus actualizaciones, la última actualización hace posible poder manejar tu Chromecast con el mando a distancia de tu televisor. Para quien no conozca Chromecast, decir que es un pequeño gadget que tiene un único puerto HDMI. Se conecta a su televisor y por ejempl ...

BLOGGER blogging indexabilidad ...

SEO: Cómo indexar con un blog de Blogger

El proceso de indexación con un blog de Blogger, para que las SERP´S de búsqueda te encuentren. no es nada complicado. Problemas para indexar recursos bloqueados con robots.txt en Blogger? Mira el siguiente video →↓ El asunto es darle las órdenes correctas a los robots para lograr la indexación requerida con la tecnología de Blospot sin producir que se indexen archivos basura o cosas que no son n ...

Software y Apps

¿Qué es Proxy? Guía Básica: Para qué Sirve un Servidor Proxy + Mejores Opciones

Si quieres saber qué es proxy porque lo has visto en tu ordenador… O en algún programa, como la configuración de uTorrent Estás en el sitio ideal De verdad, sé existen muchas webs que te explican qué es un servidor proxy, cómo usar uno, las ventajas y desventajas y, más importante, dónde encontrar proxys gratis… Pero muchas veces el lenguaje que usan es demasiado complejo O se enroll ...

Blog diseño web marketing ...

¿Qué es el SEO?

¿Qué es el SEO? Hoy en este post hablaremos sobre que es el SEO. El SEO (Search Engine Optimization), podemos definirlo como el posicionamiento de motores de búsqueda y optimización del mismo, permitiendo la visibilidad factible de resultados de tu sitio en la red, en los diferentes buscadores existentes. El SEO desde hace mucho tiempo ha marcado pauta en el área del internet ya que es necesario p ...

mundo

Para qué sirve una hemeroteca

Hola espero estén bien mi estimados amigos lectores, estamos agradecidos de que ustedes elijan nuestro blog, nos emociona mucho saber que les podemos ayudar. El día de hoy, le mostraremos otro artículo de buena información que está relacionado sobre que debemos saber acerca de una hemeroteca. Como es bien sabido, Una hemeroteca es una sala, edificio, o incluso una página web donde se guardan, se o ...

tecnologia

Para Qué Sirve Yahoo Powered

Amigo lector, estamos súper agradecidos de que nuevamente hayas visitado nuestro blog, en donde el día de hoy les ayudaremos en su intensa búsqueda de una buena información con otro tema de gran interés y que está relacionado con un tipo de aplicación maliciosa que se nos puede presentar en cualquier momento en nuestros ordenadores tal como es el caso del yahoo powered. El llamado Yahoo Powered es ...