<h1>Robots.txt y SEO: todo cuanto precisas saber</h1>

Robots.txt es uno de los archivos más simples de un sitio pero también uno de los más fáciles de arruinar. Sólo un fallo de tipeo puede ocasionar estragos en tu posicionamiento en buscadores y evitar que los motores de búsqueda accedan al contenido esencial en tu lugar.

Esta es la razón por la que los errores de configuración de robots.txt son extremadamente comunes, aun entre los profesionales posicionamiento SEO con experiencia.

En esta guía aprenderás:

¿Qué es un archivo robots.txt?

Un archivo robots.txt le dice a los motores de búsqueda por dónde pueden y por donde no pueden ir en tu lugar.

En primer sitio, cuenta todo el contenido que quieres bloquear de los motores de búsqueda como Google. También le puedes señalar a ciertos motores de búsqueda (no a Google) cómopueden rastrear el contenido accesible.

La mayoría de los motores de búsqueda son obedientes. No tienen el hábito de ignorar una restricción. Dicho esto, algunos no son tímidos a la hora de obviar dichas restricciones.

Google no es uno de esos motores de búsqueda, obedece las instrucciones de un archivo robots.txt.

Sólo tienes que saber que ciertos motores de búsqueda lo ignoran por completo.

¿Cómo se ve un fichero robots.txt?

Este es el formato básico de un archivo robots.txt:

Si nunca has visto uno de estos ficheros antes puede parecer deprimente. precio posicionamiento web valladolid , la sintaxis es bastante simple. Resumiendo, tienes que asignar reglas a los robots indicando su user-agentseguido de las directivas.

Exploremos estos dos componentes con más detalle.

User-agents

Cada motor de búsqueda se identifica con un user-agent diferente. Puedes establecer instrucciones adaptadas para cada uno de ellos en el fichero robots.txt. Hay, mas aquí hay algunos útiles en relación al SEO:

• Google:Googlebot

• Google Images:Googlebot-Image

• Bing:Bingbot

• Yahoo:Slurp

• Baidu: Baiduspider

• DuckDuckGo:DuckDuckBot

Todos los usuario-agents distinguen entre mayúsculas y minúsculas en robots.txt.

También puedes utilizar el asterisco (*) para asignar directivas a todos y cada uno de los user-agents.

Por ejemplo, pongamos que deseas bloquear todos los bots salvo Googlebot a fin de que no rastree tu lugar. Así es como lo harías:

Tienes que saber que tu fichero robots.txt puede incluir directivas para tantos user-agents como desees. Dicho esto, toda vez que declares un nuevo usuario-agent, éste ignorará las directivas declaradas anteriormente para otros user-agents. En otras palabras, si añades directivas para múltiples user-agents, las directivas declaradas para el primer user-agent no se aplicarán al segundo, o bien al tercero, o al cuarto, y así consecutivamente.

La excepción a esta regla es cuando se declara exactamente el mismo usuario-agent más de una vez. En ese caso, se combinan y se cumplen todas las directivas pertinentes.

Los rastreadores sólo siguen las reglas declaradas bajo el (los) usuario-agent(s) que se se aplican a ellos de la forma más específica posible. Es por eso que el fichero robots.txt bloquea a todos los bots salvo a Googlebot (y a otros robots de Google) para que no puedan rastrear el lugar, Googlebot ignora la declaración de user-agent menos específica.

Directivas

Las directivas son las reglas que quieres que los user-agents declarados prosigan.

Directivas admitidas

Aquí están las directivas que Google acepta en la actualidad, así como sus usos.

Disallow

Utiliza esta directiva para apuntar a los motores de búsqueda que no accedan a ficheros y páginas que se encuentren bajo una ruta específica. Por poner un ejemplo, si deseas bloquear el acceso de todos y cada uno de los motores de búsqueda a tu blog y a todos sus mensajes, el archivo robots.txt puede verse así:

Si no defines una ruta después de la directiva disallow, los motores de búsqueda la ignorarán.

Allow

Utiliza esta directiva para permitir a los motores de búsqueda rastrear un subdirectorio o bien una página, aun en un directorio que de otra manera no estaría permitido. Por ejemplo, si quieres eludir que los motores de búsqueda accedan a todas las entradas de tu blog salvo a una, el fichero robots.txt puede tener este aspecto:

En este ejemplo, los motores de búsqueda pueden acceder a: /blog/post-permitido. Mas no pueden acceder a:

/blog/otro-post

/blog/y-otro-post

/blog/descarga.pdf

Tanto Google como Bing admiten esta directiva.

Al igual que con la directiva disallow, si no defines una senda después de la directiva allow, los motores de búsqueda la ignorarán.

nota sobre reglas conflictivas

A menos que seas cuidadoso, las directivas allow y disallow pueden fácilmente entrar en conflicto entre sí. En el próximo ejemplo no se le deja el acceso a /blog/y se deja el acceso a /blog.

En este caso, la URL /blog/post-title/parece tener ambas directivas. Entonces ¿cuál gana?

Para Google y Bing, la regla es que gana la directiva con más caracteres. Esa es la directiva disallow.

Disallow: /blog/ (6 caracteres)

Allow: /blog (cinco caracteres)

Si las directivas allow y disallow tienen la misma longitud, entonces gana la directiva menos restrictiva. En un caso así, esa sería la directiva allow.

Aquí, /blog(sin la barra) prosigue siendo accesible y rastreable.

Es importante mentar que esto sólo aplica para el caso de Google y Bing. Otros motores de búsqueda obedecen a la primera directiva coincidente. En un caso así sería disallow.

Sitemap

Utiliza esta directiva para especificar la ubicación de tu(s) sitemap(s) en los motores de búsqueda. Si no estás familiarizado con los sitemaps, normalmente incluyen las páginas que deseas que los motores de búsqueda rastreen e indexen.

A continuación se muestra un caso de un fichero robots.txt que usa la directiva sitemap:

¿Qué relevancia tiene incluir tu(s) sitemap(s) en tu fichero robots.txt? Si ya lo has enviado a través de Search Console entonces es algo redundante para Google. No obstante, le dicen a otros motores de búsqueda como Bing dónde localizar tu sitemap, por lo que sigue siendo una buena práctica.

Ten en cuenta que no es preciso reiterar la directiva sitemap varias veces para cada usuario-agent, éste aplica para todos. Por tanto, lo mejor es incluir las directivas del sitemap al principio o bien al final del fichero robots.txt. Por ejemplo:

Googlela directiva sitemap, así como Ask, Bing, y Yahoo.

Puedes incluir tantos sitemaps como desees en tu archivo robots.txt.

Directivas no admitidas

Estas son las directivas que—algunas de las cuales jamás lo fueron, técnicamente.

Crawl-delay

Anteriormente podías usar esta directiva para detallar un difiero del rastreo en segundos. Por ejemplo, si quisieses que Googlebot espere cinco segundos después de cada acción de rastreo, debías establecer el difiero de rastreo en 5:

Google ya no admite esta directiva peroysí.

Dicho esto, ten cuidado al establecer esta directiva, en especial si tienes un lugar grande. Si estableces un retardo de rastreo de 5 segundos, entonces estarás limitando a los bots a rastrear un máximo de diecisiete y doscientos ochenta URLs al día. Eso no es muy útil si tienes millones de páginas, pero podría ahorrar ancho de banda si tienes un sitio web pequeño.

Noindex

Esta directiva jamás fue apoyada oficialmente por Google. No obstante, hasta hace poco, se creía que Google tenía algún “código que maneja reglas no aceptadas y no publicadas (como el noindex)”. Así que si quieres evitar que Google indexe todas las entradas de tu blog, puedes usar la próxima directiva:

Sin embargo, el 1 de septiembre de 2019, Google dejó claro que esta directiva no está admitida. Si quieres excluir una página o bien un archivo de los motores de búsqueda, emplea en su sitio la etiqueta meta robots o el encabezado HTTP x‑robots.

Nofollow

Esta es otra directiva que Google nunca apoyó oficialmente y fue utilizada para señalar a los motores de búsqueda que no siguieran enlaces en páginas y archivos bajo una senda específica. Por servirnos de un ejemplo, si quieres evitar que Google prosiga todos los enlaces de tu weblog, puedes utilizar la siguiente directiva:

Google anunció que esta directiva no tiene soporte oficial desde el 1 de septiembre de dos mil diecinueve. Si deseas no seguir todos los enlaces de una página ahora, debes emplear la meta tag robots o el encabezado x‑robots. Si quieres apuntar a Google que no siga enlaces específicos de una página, usa el atributo de link rel=“nofollow”.

¿Necesitás un archivo robots.txt?

Tener un archivo robots.txt no es crucial para muchos sitios web, en especial para los más pequeños.

Dicho esto, no existe ninguna buena razón para no tener uno. Te dará más control sobre dónde los motores de búsqueda pueden y no pueden entrar en tu sitio web, y esto podría asistirte con cosas como:

• Prevenir el rastreo de;

• Mantener secciones de un sitio web como privadas (por poner un ejemplo, tu lugar de pruebas);

• Prevenir el rastreo de páginas de resultados de búsqueda interna;

• Prevenir la sobrecarga del servidor;

• Prevenir que Google desperdicie su “.”

• Prevenir que,, y archivos de recursos aparezcan en los resultados de búsqueda de Google.

Ten en cuenta que si bien Google no suele indexar las páginas web que están bloqueadas por robots.txt, no hay forma de garantizar la exclusión en los resultados de búsqueda a través de el fichero robots.txt.

Como, si el contenido está enlazado desde otros lugares en la página web, puede llegar a aparecer en los resultados de búsqueda de Google.

Cómo hallar tu fichero robots.txt

Si ya tienes un archivo robots.txt en tu sitio, podrás acceder a él a través de dominio.com/robots.txt. Navega hasta la URL de tu navegador. comercio electronico ves algo como esto, entonces tienes un archivo robots.txt:

Cómo crear un fichero robots.txt

Si aún no tienes un fichero robots.txt, crear uno es fácil. Simplemente abre un documento .txt en blanco y comienza a escribir directivas. Por poner un ejemplo, si quieres impedir que todos los motores de búsqueda rastreen tu directorio /admin/se debería ver algo así:

Continúa redactando las directivas hasta que estés satisfecho con lo que tienes. Guarda tu fichero como “robots.txt”.

Alternativamente, también puedes utilizar un generador robots.txt como.

La ventaja de utilizar una herramienta como esta es que minimiza los fallos de sintaxis. Esto es bueno porque un fallo podría resultar en una catástrofe posicionamiento en buscadores para tu lugar, por lo que merece la pena ir por el lado de la precaución.

La desventaja es que son algo limitados en términos de personalización.

Dónde situar tu archivo robots.txt

Ubica el fichero robots.txt en el directorio raíz del subdominio al que se aplique. Por poner un ejemplo, para supervisar el comportamiento de rastreo en un dominio.com, el archivo robots.txt debe estar alcanzable en dominio.com/robots.txt.

Si deseas controlar la rastreabilidad en un subdominio como blog.dominio.com, el fichero robots.txt ha de estar alcanzable en blog.dominio.com/robots.txt.

Buenas prácticas para el fichero robots.txt

Tenlos en cuenta para evitar fallos comunes.

Usa una nueva línea para cada directiva

Cada directiva debería ir en una nueva línea. De lo contrario confundirá a los motores de búsqueda.

Incorrecto:

Correcto:

Utiliza asteriscos para facilitar las instrucciones

No sólo puedes usar asteriscos (*) para aplicar directivas a todos los user-agents sino también a fin de que coincidan con los patrones de URL al declarar directivas. Por servirnos de un ejemplo, si quieres evitar que los motores de búsqueda accedan a las URLs de las categorías de productos parametrizadas en tu lugar, puedes contarlas de la siguiente manera:

Pero no es muy eficaz. Sería mejor si simplificáramos las cosas con un asterisco, de la próxima manera:

Este ejemplo bloquea a los motores de búsqueda para que no rastreen todas y cada una de las URLs bajo la subcarpeta /productos/ que contengan un signo de interrogación. En otras palabras, cualquier URL parametrizada de la categoría “producto”.

Usa “$ ” para especificar el final de una URL

Incluye el símbolo “$ ” para marcar el final de una URL. Por servirnos de un ejemplo, si deseas eludir que los motores de búsqueda accedan a todos los archivos .pdf de tu lugar, el fichero robots.txt debería verse así:

En este ejemplo, los motores de búsqueda no pueden acceder a ninguna URL que finalice en.pdf. Esto quiere decir que no pueden acceder a /archivo.pdf, pero pueden acceder a /archivo.pdf?id= por el hecho de que no termina con “.pdf”.

Usa cada usuario-agent sólo una vez

A Google no le importa si especificas exactamente el mismo user-agent varias veces. Sencillamente combinará todas y cada una de las reglas de las distintas declaraciones en una y las seguirá todas. Por poner un ejemplo, si tienes los siguientes user-agents y directivas en tu archivo robots.txt.…

… Googlebot no dejaría de rastrearninguna de las dos subcarpetas.

Dicho esto, tiene sentido declarar a cada usuario-agent sólo una vez por el hecho de que es menos confuso. En otras palabras, es menos probable que cometas errores críticos al mantener las cosas ordenadas y simples.

Sé específico para evitar fallos involuntarios

La falta de instrucciones específicas en el momento de establecer directivas puede dar sitio a errores fáciles que pueden tener un impacto catastrófico en el posicionamiento web. Por poner un ejemplo, imaginemos que tienes un lugar multilingüe y que estás trabajando en una versión en alemán que estará disponible en el subdirectorio /de/.

Debido a que no está listo para marchar, quieres eludir que los motores de búsqueda accedan a él.

El fichero robots.txt que se muestra a continuación evitará que los motores de búsqueda accedan a esa subcarpeta y a todo cuanto contiene:

Pero también evitará que los motores de búsqueda rastreen páginas o bien ficheros que empiecen con /de.

Por ejemplo:

/decoracion/

/delivery-informacion.html

/depeche-mode/camisetas/

/definitivamente-no-para-ser-visto-en-publico.pdf

En este caso, la solución es simple: añadir una barra.

Use comentarios para explicar tu fichero robots.txt a humanos

Los comentarios asisten a explicar el fichero robots.txt a los desarrolladores, e inclusive potencialmente a tu futuro . diseñar pagina web html incluir un comentario, comienza la línea con un numeral (#).

# Esto le señala a Bing que no rastree nuestro lugar.

Los rastreadores ignorarán todo cuanto haya en las líneas que empiecen con un numeral.

Usa un fichero robots.txt separado para cada subdominio

Robots.txt sólo controla el comportamiento de rastreo en el subdominio donde esté alojado. Si deseas controlar el rastreo en un subdominio diferente, necesitarás un archivo robots.txt separado.

Por ejemplo, si tu sitio diseño de pagina para empresa madrid se encuentra en dominio.com y tu weblog en weblog.dominio.com, necesitarás 2 ficheros robots.txt. Uno debe ir en el directorio raíz del dominio principal, y el otro en el directorio raíz del weblog.

Ejemplos de ficheros robots.txt

A continuación se muestran ciertos ejemplos de archivos robots.txt. Estos son eminentemente para inspirarse, pero si uno de ellos se ajusta a tus necesidades, cópialo y pégalo en un documento de texto, guárdalo como “robots.txt” y cárgalo en el directorio apropiado.

Acceso total para todos y cada uno de los bots

Si no se declara una URL después de una directiva, ésta se vuelve redundante. En otras palabras, los motores de búsqueda lo ignoran. Es por eso que esta directiva no tiene ningún efecto en el sitio; los motores de búsqueda todavía pueden rastrear todas las páginas y ficheros.

Sin acceso para todos y cada uno de los bots

Bloquear un subdirectorio para todos los bots

Bloquear un subdirectorio para todos los bots (con un archivo interno tolerado)

Bloquear un archivo para todos los bots

Bloquear un tipo de archivo (PDF) para todos los bots

Bloquear todas las URLs parametrizadas sólo para Googlebot

¿Cómo auditar tu fichero robots.txt en busca de fallos?

Los errores de robots.txt se pueden deslizar por la red con bastante facilidad, con lo que vale la pena estar atento a los inconvenientes.

Para hacerlo, busca de forma regular cuestiones relacionadas al robots.txt en el reporte de “Cobertura” de. Aquí debajo tienes ciertos fallos que podrías ver, qué significan y cómo podrías solucionarlos.

¿Necesitas buscar fallos en una página determinada?

Pega la URL en la herramienta de inspección de URLs de Google en Search Console. Si está bloqueado por robots.txt, deberías ver algo como esto:

URL presentada bloqueada por robots.txt

Esto significa que al menos una de las URL de los sitemaps presentados está bloqueada por robots.txt.

Si túy excluiste páginas, noindexadas, y, entonces ninguna página presentada debería ser bloqueada por robots.txt. Si es así, estudia qué páginas están perjudicadas y a continuación ajusta el fichero robots.txt en consecuencia para suprimir el bloqueo de esa página.

Puedes utilizar elpara ver qué directiva bloquea el contenido. Sólo ten cuidado al hacer esto, es fácil cometer fallos que afectan a otras páginas y ficheros.

Bloqueado por robots.txt

Esto significa que tienes contenido bloqueado por robots.txt que no está indexado hoy día en Google.

Si este contenido es importante y ha de ser indexado, elimina el bloqueo de rastreo en robots.txt. Si has bloqueado contenido en robots.txt con la intención de excluirlo del índice de Google, suprime el bloqueo y emplea una meta etiqueta de robots o un encabezado x‑robots. Esa es la única forma de garantizar la exclusión de contenido del índice de Google.

Es fundamental eliminar el bloqueo de rastreo cuando se intenta excluir una página de los resultados de la búsqueda. Si no lo haces, Google no verá la etiqueta noindex ni el encabezado HTTP, con lo que permanecerá indexada.

Indexada, aunque bloqueada por robots.txt

Esto significa que parte del contenido bloqueado por robots.txt sigue estando indexado en Google.

Una vez más, si estás procurando excluir este contenido de los resultados de búsqueda de Google, robots.txt no es la solución adecuada. Quita el bloqueo de rastreo y en su sitio usa unapara prevenir la indexación.

Si has bloqueado este contenido por accidente y quieres sostenerlo en el índice de Google, suprime el bloqueo del rastreo en robots.txt. Esto puede ayudar a prosperar la visibilidad del contenido en la búsqueda de Google.

FAQs

Aquí están algunas de las preguntas más usuales que no encajaban de forma natural en otra parte de nuestra guía: haznos saber en los comentarios si falta algo, y actualizaremos la sección en consecuencia.

¿Cuál es el tamaño máximo de un archivo robots.txt?

(más o menos).

¿Dónde está robots.txt en WordPress?

En el mismo lugar: dominio.com/robots.txt.

¿Cómo puedo editar robots.txt en WP?

De forma manual o bien utilizandocomo Yoast que te deja editar robots.txt desde el backend de Wordpress.

¿Qué sucede si no dejo el acceso a contenido no-indizado en robots.txt?

Google jamás verá la directiva noindex pues no puede rastrear la página.

“¿Sabías que bloquear una página con un robots.txt disallow y un noindex en la página no tiene mucho sentido pues Googlebot no puede “ver” el noindex?”

Conclusiones

Robots.txt es un archivo simple mas poderoso. Utilízalo sabiamente, y puede tener un impacto positivo en el posicionamiento en buscadores. Úsalo al azar y, bueno, vivirás para arrepentirte.

¿Tienes más preguntas? Deja un comentario o.