- Home
- Categorie
- La Community Connect.gt
- News Ufficiali da Connect.gt
- Pagina indicizzata nonostante Disallow in robots.txt
-
Pagina indicizzata nonostante Disallow in robots.txt
Piccola premessa:
tempo fa mi sono accorto che la pagina di login del mio blog (wp-login.php di wordpress) nonostante non ricevesse nessun link esterno (solo uno dalla home) e oltre al form di autenticazione non ha contenuti, aveva il PR più alto.Una decina di giorni fa ho messo online un altro sito su wordpress e non volendomi trovare dinuovo nella stessa situazione (più che altro per il fastidio che mi provoca il non capirne il motivo
) la prima cosa che ho fatto, appena uplodato, è stata metterci un robots.txt così:User-agent: *
Disallow: /wp-login.phpIl giorno dopo la home era già indicizzata da google, tutto ok.
Ricontrollo ora e mi ritrovo indicizzati la home e wp-login.php .
Perchè se ne frega del robots.txt e l'ha indicizzata comunque
-
chiedo scusa per l'intervento forse fuori luogo non essendo tecnico....
....ma il comando che fa al caso tuo non dovrebbe essere "noindex"?
-
@alex2k said:
...ma il comando che fa al caso tuo non dovrebbe essere "noindex"?
Noindex è il comando che inserisci all'interno del META ROBOTS; il robots.txt così com'è stato compilato da **Nicola **è corretto.Il fatto che Google abbia ignorato l'interdizione agli spider fatta dal robots.txt francamente non me lo spiego. Probabilmente l'indicizzazione era scheduled già prima che lo inserissi. Verificherei se tra qualche tempo wp-login.php sparisce naturalmente dall'indice.
Altrimenti rimuovila personalmente da Google con l'apposito form.
Cordialmente,
Stuart
-
Che l'indicizzazione della pagina fosse già schedulata mi pare strano dato che il robots.txt è stato uplodato praticamente insieme al resto del sito, solo qualche minuto dopo.
Comunque continuo a tenerla d'occhio giornalmente per verificare, eventualmente, dopo quanto tempo viene rimossa dall'indice.
-
@Nicola said:
Che l'indicizzazione della pagina fosse già schedulata mi pare strano dato che il robots.txt è stato uplodato praticamente insieme al resto del sito, solo qualche minuto dopo
Era un'ipotesi
Cordialmente,
Stuart
-
è successo anche a me!!
il mio robots.txt:
User-agent: *
Disallow: /files/http://www.geek-notes.com/robots.txt
[url=http://www.google.it/search?hs=ubo&hl=it&safe=off&c2coff=1&client=firefox-a&rls=org.mozilla%3Ait%3Aofficial&q=www.geek-notes.com%2Ffiles%2Fwp_plugin_posts_in_category.htm&btnG=Cerca&meta=lr%3Dlang_en%7Clang_it]in realtà è presente nell'indice
Sbaglio io o Google?
Devo usare il nofollow?
Tengo a precisare che il robots era così ed era presente da prima che creassi la cartella /files/ (e che linkassi quel file)
-
@petro said:
è successo anche a me!!
Opinion. May I?Google non ha indicizzato quella pagina. Ne ha memorizzato l'esistenza in quanto URL linkato.
Ma non ha scaricato la pagina (non indicizzata, non archiviata).Infatti richiamandola da Google è presente solo l'URL, non la versione cache.
Prova del nove, utilizzando il comando [url=http://66.249.93.104/search?hl=it&safe=off&c2coff=1&client=firefox-a&rls=org.mozilla%3Ait%3Aofficial&q=cache%3Awww.geek-notes.com%2Ffiles%2Fwp_plugin_posts_in_category.htm&btnG=Cerca&lr=lang_en%7Clang_it]CACHE:Non spunta fuori proprio nulla....
Cordialmente,
Stuart
-
Stuart, effettivamente hai ragione
Allora si può dire che la differenza tra una esclusione da robots e rel=nofollow sta nel fatto che il primo impedisce soltanto l'indicizzazione, mentre il secondo "impedisce" proprio al motore di considerare un link/pagina?
-
Uhm.
Il REL=NOFOLLOW indica appunto di non seguire il link presente su una pagina. Ciò però non toglie che a quella pagina lo spider possa arrivare per vie traverse.Se proprio non si vuole che la propria pagina compaia nell'indice di Google (ma neanche come URL), si può usare il Meta Googlebot
In questo modo:
<meta name="Googlebot" content="text" />dove text è sostituito dalle indicazioni specifiche che vuoi impartire allo spider di Google (noindex, nofollow ecc ecc..)
Per la lista completa dei comandi inseribili in Meta Googlebot puoi consultare questa pagina:
http://www.html-reference.com/META_name_googlebot.htmCordialmente,
Stuart
-
Nicola di quale sito parli?
il primo in firma no.... visto che non ha la cache
Qual'è il sito? Vorrei controllare
-
@Giorgiotave said:
Qual'è il sito? Vorrei controllare
Il mio blog (di cui conosci l'url), quello da cui è iniziato tutto.. :neutral:
-
mi pare ci fosse anche un'altra discussione in cui, a questo punto, si metteva in dubbio l'effettiva efficacia del file robots.txt...:)
-
@Nicola said:
Il mio blog (di cui conosci l'url), quello da cui è iniziato tutto.. :neutral:
Una che non c'entra....potresti mettere questa come prima riga di tutto?
Per testUser-agent: *
Disallow: /blog/wp-admin/
Disallow: /blog/wp-login.phpOvviamente il robots.txt è scritto bene
Che strano, la cache è anche aggiornata: al 26 Agosto.
Dobbiamo scoprire il motivo però
-
@Giorgiotave said:
Una che non c'entra....potresti mettere questa come prima riga di tutto?
Per testCioè intendi mettere quelle righe, che ora stanno alla fine del file, all'inizio? Ok.. proviamo
-
@Nicola said:
Cioè intendi mettere quelle righe, che ora stanno alla fine del file, all'inizio? Ok.. proviamo
Si proviamo, anche se non credo sia quello
E' possibile che incontri qualcosa di strano e si blocchi nella lettura?
