Présentation du fichier robots.txt

Le fichier robots.txt est un fichier texte contenant des commandes à destination des robots d'indexation des moteurs de recherche afin de leur préciser les pages qui peuvent ou ne peuvent pas être indexées. Ainsi tout moteur de recherche commence l'exploration d'un site web en cherchant le fichier robots.txt à la racine du site.

Format du fichier robots.txt

Le fichier robots.txt (écrit en minuscules et au pluriel) est un fichier ASCII se trouvant à la racine du site et pouvant contenir les commandes suivantes :

• User-Agent: permet de préciser le robot concerné par les directives suivantes. La valeur * signifie "tous les moteurs de recherche".
• Disallow: permet d'indiquer les pages à exclure de l'indexation. Chaque page ou chemin à exclure doit être sur une ligne à part et doit commencer par /. La valeur / seule signifie "toutes les pages du site"

• Exclusion de toutes les pages :

  User-Agent: *
  Disallow: /

• Exclusion d'aucune page (équivalent à l'absence de fichier robots.txt, toutes les pages sont visitées) :

  User-Agent: *
  Disallow: 

• Autorisation d'un seul robot :

  User-Agent: nomDuRobot
  Disallow:
  
  User-Agent: *
  Disallow: /
  

• Exclusion d'un robot :

  User-Agent: NomDuRobot
  Disallow: /
  
  User-Agent: *
  Disallow:
  

• Exclusion d'une page :

  User-Agent: *
  Disallow: /repertoire/chemin/page.html

• Exclusion de toutes les pages d'un répertoire et ses sous-dossiers :

  User-Agent: *
  Disallow: /repertoire/

Quelques User-Agents

Voici quelques exemples de User-Agents pour les moteurs de recherche les plus populaires :

Nom du moteur	User-Agent
Alta Vista	Scooter
Excite	ArchitextSpider
Google	Googlebot
HotBot	Slurp
InfoSeek	InfoSeek Sidewinder
Lycos	T-Rex
Voilà	Echo

Pour plus d'informations

The web robots page