Arama motorları, belki de sitenizin ziyaretçilerinin büyük bir bölümü onlar sayesinde sizi buluyorlar ve takip etmeye başlıyorlar. Bazen arama motorlarına sitenizi siz kaydetmek için başvuruyorsunuz, bazen de arama motorları Robot veya Bot denilen uygulamalarla sizin sitenizi buluyorlar. Bu bulma işleminde ise sitenizde bulunan her linki özenle tarayıp kendi veritabanlarına kaydediyorlar. Bu sayede arama sonuçlarında sitenizde ne var ne yok ziyaretçileriniz öğrenebiliyor, bulabiliyor.
Ancak bazı durumlarda sitenizi indeksleyen bu robotlara hükmetmek isteyebilirsiniz:
- Parola koruması olmayan fakat çoğu kişinin de görmesini istemeyeceğiniz bir sayfanız olabilir,
- Bazı sayfalarınızdaki programların ve içerik sayılamayacak bilgilerin (cgi-bin dizini gibi) taranmasını istemeyebilirsiniz,
- Ya da sadece fazla bandwidth kaybetmek istemeyip taramanın yapılmamasını isteyebilirsiniz.
Bu gibi durumlarda robotlara hükmetmek için elinizde bir fırsat bulunuyor: robots.txt dosyası. Bu dosya sitenizin ana dizininde bulunur ve arama motorlarının gönderdikleri robotlara bazı komutlar verir. Örneğin bu dosyadaki bir satır ile www.siteniz.com/gizli adresinin arama motorlarında çıkmamasını sağlayabilirsiniz. Sitenize ftp ile bağlandığınızda eğer robots.txt adında bir dosya yoksa bunu siz de oluşturabilirsiniz. Eğer böyle bir dosya yoksa her robot tüm site içeriğini indeksleyecektir.
Basit olarak robots.txt dosyasının içinde şu iki satır bulunur:
User-agent: *
Disallow: /
Burada User-agent: satırı ve sonrasında gelen * işareti “Tüm robotlara alttaki komutu uygula” anlamına gelmektedir. Disallow: ise Türkçe karşılığıyla “İzin verme” demek olup, akabinde gelen / işaretiyle “tüm site içeriğini indeksleme” komutuna karşılık gelir.
Örnek olarak Google arama motorundan gelecek robotun, bizim sitemizdeki /gizli_bilgiler klasöründeki hiçbir içeriği taramamasını istiyoruz. Bunun için kullanmamız gereken komut satırı:
User-agent: Googlebot
Disallow: /gizli_bilgiler/
olacaktır. /gizli_bilgiler/ yazmamızdaki neden ise baştaki / işareti kök dizini, sondaki / işaret ise “gizli_bilgiler”in bir dizin olduğunu vurgulamak içindir. Eğer siz sadece bir dosyayı indeksletmemek isterseniz, Disallow: /gizli_dosya.html satırını da kullanabilirsiniz.
robots.txt dosyası hakkında daha fazla bilgiyi robotstxt.org adresinden alabilirsiniz. Burada ise şuan için bilinen tüm robotların isimlerine ulaşabilir, az önceki örnekte yaptığımız gibi sadece bazı robotların bazı sayfalara ulaşamamasını sağlayabilirsiniz. Özellikle şu sayfadaki mail robotlarının isimlerini toplayarak onların sizin sitenize gelip, yazılı email adreslerini toplamalarını engellemiş ve spam’i bi nebze de olsa azaltmış olursunuz.
Not:Bu makale Jennifer Kyrnin’ın webdesign.about.com‘da yazdığı makalenin, Türkçe’ye düzenlenerek çevrilmesiyle yazılmıştır.
Kaynak: visualexperiments
