Einführung in robots.txt-Dateien
Was ist eine robots.txt-Datei?
Eine robots.txt-Datei teilt Suchmaschinen-Crawlern mit, welche Seiten oder Dateien sie von deiner Website anfordern können und welche nicht. Dies dient hauptsächlich dazu, eine Überlastung deiner Website mit Anfragen zu vermeiden. Die robots.txt-Datei stellt jedoch keinen Mechanismus dar, um eine Website aus der Google Suche auszuschließen.
Dafür solltest du noindex
-Anweisungen verwenden oder deine Seite mit einem Passwort schützen.
Wofür wird die robots.txt-Datei verwendet?
Die robots.txt-Datei wird hauptsächlich zur Verwaltung des Crawler-Traffics auf deiner Website verwendet und dient normalerweise dazu, eine Seite aus Google auszuschließen. Hierbei spielt auch der Dateityp eine Rolle:
Seitentyp | Traffic-Verwaltung | Vor Google verbergen | Beschreibung |
---|---|---|---|
Webseite |
|
Bei Webseiten (HTML, PDF oder anderen von Google lesbaren Nicht-Medien-Formaten) kannst du mithilfe der robots.txt-Datei den Crawling-Traffic verwalten. Dies ist z. B. sinnvoll, wenn du den Eindruck hast, dass dein Server mit Anfragen vom Google-Crawler überlastet ist, oder wenn du das Crawling unwichtiger oder lediglich ähnlicher Seiten auf deiner Website vermeiden möchtest. Verwende die robots.txt-Datei nicht, um deine Webseiten vor der Google-Suche zu verbergen. Der Grund dafür ist, dass deine Seite auch ohne Seitenaufruf indexiert werden kann. Dazu brauchen nur andere Seiten mit beschreibendem Text auf die Seite zu verweisen. Wenn du deine Seite aus den Suchergebnissen ausschließen möchtest, solltest du eine andere Methode wie den Passwortschutz oder eine Wenn deine Seite über eine robots.txt-Datei blockiert ist, kann sie zwar weiterhin in den Suchergebnissen erscheinen, aber das betreffende Suchergebnis enthält keine Beschreibung und sieht in etwa so aus. Bilddateien, Videodateien, PDFs und andere Nicht-HTML-Dateien werden ausgeschlossen. Wenn du dieses Suchergebnis für deine Seite siehst und das Problem beheben möchtest, entferne einfach den robots.txt-Eintrag, der die Seite blockiert. Wenn du die Seite vollständig aus den Suchergebnissen ausschließen möchtest, verwende eine andere Methode. |
|
Mediendatei |
Mit der robots.txt-Datei kannst du den Crawling-Traffic verwalten und verhindern, dass Bild-, Video- und Audiodateien in den Google-Suchergebnissen angezeigt werden. Du musst jedoch wissen, dass trotzdem andere Seiten oder Nutzer immer noch auf deine Bild-/Video-/Audiodatei verlinken können. |
||
Ressourcendatei | Du kannst mit der robots.txt-Datei Ressourcendateien, wie unwichtige Bild-, Skript- oder Stildateien, blockieren. Dies empfiehlt sich, wenn du glaubst, dass Seiten nicht erheblich beeinträchtigt werden, wenn sie ohne diese Ressourcen geladen werden. Wenn jedoch das Fehlen dieser Ressourcen dazu führt, dass der Google-Crawler die Seite schlechter versteht, solltest du sie nicht blockieren. Ansonsten kann Google Seiten, die diese Ressourcen benötigen, nicht gut analysieren. |
Ich verwende einen Hostanbieter
Wenn du einen Hostanbieter wie Wix, Drupal oder Blogger verwendest, musst bzw. kannst du deine robots.txt-Datei möglicherweise nicht direkt bearbeiten. Stattdessen kann dein Anbieter eine Seite mit Sucheinstellungen oder einen anderen Mechanismus zur Verfügung stellen, um Suchmaschinen mitzuteilen, ob deine Seite gecrawlt werden soll.
Wenn du überprüfen möchtest, ob deine Seite von Google gecrawlt wurde, suche in Google nach der Seiten-URL.
Möchtest du erreichen, dass deine Seite von Suchmaschinen angezeigt bzw. nicht angezeigt wird, kannst du alle evtl vorhandenen Anmeldeanforderungen für die betreffende(n) Seite(n) hinzufügen bzw. entfernen. Außerdem kannst du wahrscheinlich eine Anleitung recherchieren, die dir erklärt, wie du bei deinem Hostanbieter die Sichtbarkeit deiner Seite in Suchmaschinen änderst. Hier eine Beispielsuche: wix Seite vor Suchmaschinen verbergen
Einschränkungen von robots.txt
Bevor du die robots.txt-Datei erstellst oder bearbeitest, solltest du die Einschränkungen dieser URL-Blockierungsmethode kennen. Manchmal sind andere Methoden besser geeignet, um sicherzustellen, dass deine URLs im Internet nicht auffindbar sind.
- Robots.txt-Anweisungen werden möglicherweise nicht von allen Suchmaschinen unterstützt
Die Anweisungen inrobots.txt
-Dateien können das Verhalten von Crawlern auf deiner Website nicht erzwingen – es liegt am Crawler, sie zu befolgen. Der Googlebot und andere seriöse Web-Crawler befolgen die Anweisungen in einerrobots.txt
-Datei, andere Crawler tun dies jedoch vielleicht nicht. Wenn du sicherstellen möchtest, dass Web-Crawler auf bestimmte Informationen nicht zugreifen können, solltest du daher andere Blockierungsmethoden einsetzen, beispielsweise passwortgeschützte private Dateien auf deinem Server. - Unterschiedliche Crawler interpretieren die Syntax unterschiedlich
Die in einerrobots.txt
-Datei festgelegten Anweisungen werden zwar von seriösen Web-Crawlern respektiert, allerdings können verschiedene Crawler sie jeweils unterschiedlich interpretieren. Informiere dich über die korrekte Syntax für Anweisungen an verschiedene Web-Crawler, da sonst manche von ihnen möglicherweise nicht alle Befehle verstehen. - Eine Seite, auf der eine robots.txt.-Datei verwendet wird, kann weiterhin indiziert werden, wenn von anderen Websites auf sie verwiesen wird
Zwar crawlt oder indexiert Google die von derrobots.txt
-Datei blockierten Inhalte nicht, aber es ist dennoch möglich, dass nicht zugelassene URLs gefunden und indexiert werden, wenn von anderen Orten im Internet auf sie verwiesen wird. Aus diesem Grund können die URL und eventuell andere öffentlich verfügbare Daten, wie der Ankertext im Link zu einer Webseite, weiterhin in den Google-Suchergebnissen erscheinen. Wenn du verhindern möchtest, dass deine URL in den Suchergebnissen von Google erscheint, kannst du Dateien auf deinem Server mit einem Passwort schützen, noindex-Meta-Tags oder Antwortheader verwenden oder die Seite vollständig entfernen.
Seite auf robots.txt-Blockierungen prüfen
Du kannst auch prüfen, ob eine Seite oder Ressource durch eine robots.txt-Regel blockiert wird.
Verwende zum Prüfen auf noindex-Anweisungen das URL-Prüftool.