Questo file va messo nella root del sito.
Ad esempio per il mio sarà www.giorgiotave.it/robots.txt
Io l'ho inserito lo stesso questo file, però come giusta regola non dovevo farlo in quanto con questo file si possono escludere cartelle o file dall'indicizzazione. Nel mio robots non escludo niente, il comportamento dello spider sarà lo stesso. Molte voci di corridoio dicono che allo spider di google piace trovare questo file, ma queste voci non sono verificate.
Il file è composto da questi campi:
User-agent:
Disallow:
Nel campo User-agent devi mettere il nome dello spider. Con il simbolo * ti stai riferendo a tutti gli spider.
Nel campo Disallow dirai cosa non vuoi che lo spider prelevi.
Stai dicendo a tutti gli spider che non ci sono file che vuoi che non prelevino
User-agent: *
Disallow:
Dici a Google di non prendere il file ciao.htm
User-agent: googlebot
Disallow: /ciao.htm
Dici a Google di non prendere niente nella cartella ciao
User-agent: googlebot
Disallow: /ciao/
Ecco una lista di spider
http://www.robotstxt.org/wc/active/html/index.html
Nonostante tutto ci sono alcuni motori di ricerca che non seguono questo tipo di indicazioni.
> Links Utili
> Pubblica questa guida sul tuo sito: questa guida puo' essere liberamente copiata e ripubblicata sul tuo sito web a patto di NON modificare in alcun modo i contenuti, il copyright e i links in essa presenti (pero' puoi modificare la grafica e il layout come preferisci). Per scaricare la guida da mettere sul tuo sito clicca qui
> Copyright: questa guida e' realizzata da Giorgio Taverniti e promossa da 3 Web Marketing e Madri Internet Marketing