HTML - Como excluir paginas o carpetas de los robots y programas

   
Vista:
Imágen de perfil de xve

Como excluir paginas o carpetas de los robots y programas

Publicado por xve (1178 intervenciones) el 20/01/2015 10:40:57
Hola, aquí voy a comentar como hacer para excluir algunas paginas o carpetas de los robots de los buscadores, y como impedir que algunos programas se descarguen todo el contenido de nuestra web.

Para realizar esta tarea, se genera un archivo en la raiz de nuestra web denominado robots.txt, el cual es un simple archivo de texto que se puede crear con cualquier editor gratuito como puede ser notepad++ para windows, gedit o kate para Linux entre otros.

El contenido de este archivo, es simple, contiene reglas del tipo:
1
2
User-agent: *
Disallow: /

User-agent indican el o los robots para los que se quiere bloquear el contenido
Disallow indica al robot que contenido tiene que bloquear


Aquí algunos ejemplos:

Permitimos acceso a todos los robots a nuestra web
1
2
User-agent: *
Disallow:

Denegamos acceso a todos los robots a nuestra web
1
2
User-agent: *
Disallow: /

Excluirmos a todos los robots a unas carpetas de nuestra web
1
2
3
User-agent: *
Disallow: /cgi-bin/
Disallow: /admin/

Excluimos a todos los robots a unos archivos en concreto
1
2
3
User-agent: *
Disallow: /miCarpeta/archivo.html
Disallow: /login.html

Permitimos acceso completo a goole
1
2
User-agent: Mediapartners-Google
Disallow:

Denegamos acceso a un robot en concreto
1
2
User-agent: BadBot
Disallow: /




Aquí un listado de robots que estaría bien denegar el acceso, ya que son robots que permiten descargan la web entera:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
User-agent: BotRightHere
Disallow: /
 
User-agent: larbin
Disallow: /
 
User-agent: b2w/0.1
Disallow: /
 
User-agent: Copernic
Disallow: /
 
User-agent: psbot
Disallow: /
 
User-agent: Python-urllib
Disallow: /
 
User-agent: NetMechanic
Disallow: /
 
User-agent: URL_Spider_Pro
Disallow: /
 
User-agent: CherryPicker
Disallow: /
 
User-agent: EmailCollector
Disallow: /
 
User-agent: EmailSiphon
Disallow: /
 
User-agent: WebBandit
Disallow: /
 
User-agent: EmailWolf
Disallow: /
 
User-agent: ExtractorPro
Disallow: /
 
User-agent: CopyRightCheck
Disallow: /
 
User-agent: Crescent
Disallow: /
 
User-agent: SiteSnagger
Disallow: /
 
User-agent: ProWebWalker
Disallow: /
 
User-agent: CheeseBot
Disallow: /
 
User-agent: LNSpiderguy
Disallow: /
 
User-agent: Alexibot
Disallow: /
 
User-agent: Teleport
Disallow: /
 
User-agent: TeleportPro
Disallow: /
 
User-agent: MIIxpc
Disallow: /
 
User-agent: Telesoft
Disallow: /
 
User-agent: Website Quester
Disallow: /
 
User-agent: moget/2.1
Disallow: /
 
User-agent: WebZip
Disallow: /
 
User-agent: WebZip/4.0
Disallow: /
 
User-agent: WebZIP/4.21
Disallow: /
 
User-agent: WebZIP/5.0
Disallow: /
 
User-agent: WebStripper
Disallow: /
 
User-agent: WebSauger
Disallow: /
 
User-agent: WebCopier
Disallow: /
 
User-agent: NetAnts
Disallow: /
 
User-agent: Mister PiX
Disallow: /
 
User-agent: WebAuto
Disallow: /
 
User-agent: TheNomad
Disallow: /
 
User-agent: WWW-Collector-E
Disallow: /
 
User-agent: RMA
Disallow: /
 
User-agent: libWeb/clsHTTP
Disallow: /
 
User-agent: asterias
Disallow: /
 
User-agent: httplib
Disallow: /
 
User-agent: turingos
Disallow: /
 
User-agent: spanner
Disallow: /
 
User-agent: InfoNaviRobot
Disallow: /
 
User-agent: Harvest/1.5
Disallow: /
 
User-agent: Bullseye/1.0
Disallow: /
 
User-agent: Crescent Internet ToolPak HTTP OLE Control v.1.0
Disallow: /
 
User-agent: CherryPickerSE/1.0
Disallow: /
 
User-agent: CherryPickerElite/1.0
Disallow: /
 
User-agent: WebBandit/3.50
Disallow: /
 
User-agent: NICErsPRO
Disallow: /
 
User-agent: Microsoft URL Control - 5.01.4511
Disallow: /
 
User-agent: DittoSpyder
Disallow: /
 
User-agent: Foobot
Disallow: /
 
User-agent: SpankBot
Disallow: /
 
User-agent: BotALot
Disallow: /
 
User-agent: lwp-trivial/1.34
Disallow: /
 
User-agent: lwp-trivial
Disallow: /
 
User-agent: BunnySlippers
Disallow: /
 
User-agent: Microsoft URL Control - 6.00.8169
Disallow: /
 
User-agent: URLy Warning
Disallow: /
 
User-agent: Wget/1.6
Disallow: /
 
User-agent: Wget/1.5.3
Disallow: /
 
User-agent: Wget
Disallow: /
 
User-agent: wget
Disallow: /
 
User-agent: LinkWalker
Disallow: /
 
User-agent: cosmos
Disallow: /
 
User-agent: moget
Disallow: /
 
User-agent: hloader
Disallow: /
 
User-agent: humanlinks
Disallow: /
 
User-agent: LinkextractorPro
Disallow: /
 
User-agent: Offline Explorer
Disallow: /
 
User-agent: Mata Hari
Disallow: /
 
User-agent: LexiBot
Disallow: /
 
User-agent: Web Image Collector
Disallow: /
 
User-agent: The Intraformant
Disallow: /
 
User-agent: True_Robot/1.0
Disallow: /
 
User-agent: True_Robot
Disallow: /
 
User-agent: BlowFish/1.0
Disallow: /
 
User-agent: JennyBot
Disallow: /
 
User-agent: MIIxpc/4.2
Disallow: /
 
User-agent: BuiltBotTough
Disallow: /
 
User-agent: ProPowerBot/2.14
Disallow: /
 
User-agent: BackDoorBot/1.0
Disallow: /
 
User-agent: toCrawl/UrlDispatcher
Disallow: /
 
User-agent: WebEnhancer
Disallow: /
 
User-agent: suzuran
Disallow: /
 
User-agent: TightTwatBot
Disallow: /
 
User-agent: VCI WebViewer VCI WebViewer Win32
Disallow: /
 
User-agent: VCI
Disallow: /
 
User-agent: Szukacz/1.4
Disallow: /
 
User-agent: QueryN Metasearch
Disallow: /
 
User-agent: Openfind data gatherer
Disallow: /
 
User-agent: Openfind
Disallow: /
 
User-agent: Xenu's Link Sleuth 1.1c
Disallow: /

User-agent: Xenu's
Disallow: /
 
User-agent: Zeus
Disallow: /
 
User-agent: RepoMonkey Bait & Tackle/v1.01
Disallow: /
 
User-agent: RepoMonkey
Disallow: /
 
User-agent: Microsoft URL Control
Disallow: /
 
User-agent: Openbot
Disallow: /
 
User-agent: URL Control
Disallow: /
 
User-agent: Zeus Link Scout
Disallow: /
 
User-agent: Zeus 32297 Webster Pro V2.9 Win32
Disallow: /
 
User-agent: Webster Pro
Disallow: /
 
User-agent: EroCrawler
Disallow: /
 
User-agent: LinkScan/8.1a Unix
Disallow: /
 
User-agent: Keyword Density/0.9
Disallow: /
 
User-agent: Kenjin Spider
Disallow: /
 
User-agent: Iron33/1.0.2
Disallow: /
 
User-agent: GetRight/4.2
Disallow: /
 
User-agent: FairAd Client
Disallow: /
 
User-agent: Gaisbot
Disallow: /
 
User-agent: Aqua_Products
Disallow: /
 
User-agent: Radiation Retriever 1.1
Disallow: /
 
User-agent: Flaming AttackBot
Disallow: /
 
User-agent: PerMan
Disallow: /
 
User-agent: searchpreview
Disallow: /
 
User-agent: TurnitinBot
Disallow: /
 
User-agent: HTTrack 3.0
Disallow: /
 
User-agent: TurnitinBot/1.5
Disallow: /
 
User-agent: WebCopier v3.2a
Disallow: /
 
User-agent: WebCapture 2.0
Disallow: /
 
User-agent: WebCopier v.2.2
Disallow: /


Espero que os sirva de ayuda!!!
Valora esta pregunta
Me gusta: Está pregunta es útil y esta claraNo me gusta: Está pregunta no esta clara o no es útil
0
Responder