Comment Google choisit la règle qui s'applique
Un robots.txt est fait de groupes : chacun commence par User-agent et contient des règles Allow (autoriser) et Disallow (ne pas explorer). Google les applique ainsi :
- Le groupe le plus précis. Googlebot-Image utilise le groupe
Googlebot-Images'il existe ; sinon celui deGooglebot; sinon*. Un seul : les groupes ne se mélangent pas. - La règle la plus longue. Avec
Disallow: /etAllow: /blog, l'adresse/blog/mon-articleest autorisée, car/blogest plus long. - À égalité, l'autorisation gagne.
Allow: /pageetDisallow: /*.phont la même longueur :/page.phpreste autorisée. - Les jokers.
*veut dire « n'importe quoi » et$« ça s'arrête là » :Disallow: /*.pdf$bloque les PDF, mais pas/doc.pdf?v=2.
Les erreurs les plus fréquentes
- Un
Disallow: /oublié au passage de la préproduction à la production : Google ne voit plus rien. - Bloquer le CSS ou le JavaScript (
/wp-includes/,*.js) : Google voit une page cassée et peut la faire reculer. - Utiliser robots.txt pour retirer des pages de Google. Ça ne marche pas : utilisez
noindex. - Un robots.txt qui renvoie une erreur 5xx. Google le traite comme « n'explorez rien ».
Tout est autorisé et votre site n'apparaît toujours pas ? Lisez pourquoi mon site n'apparaît pas sur Google et vérifiez vos redirections avec le test de redirection.