サイト制作 HOME - 携帯サイト - Linux - ウェブサイト - Windows - API - PHP - 開発 - HTML/CSS/JavaScript - VRML

robots.txtの設定・書き方、アクセス禁止・制限、ロボット・クローラー - Google、Yahoo、Bing、Baidu、Naver、Cuil、DotBot

作成：2010-02-16
robots.txtの設定方法（User-agent:、Disallow: など）。
迷惑なロボットの排除・アクセス禁止。

robots.txt

robots.txt とは
robots.txt は、検索エンジンのロボットを制御するためのファイルです。
ロボット（Robot）は、ボット（Bot）、クローラー（Crawler）、スパイダー（Spider）など、呼び方はいろいろあります。
詳しくは、検索エンジンのロボット、ユーザーエージェントをご覧ください。
サーバへの負荷
robots.txt を使う目的は人それぞれだと思いますが、私は特定のロボットのアクセスを禁止するために使用しています。
アクセスを禁止する対象は、やたらとサイト内を巡回し、サーバに負荷をかけるロボットです。
サーバのログを調べてみると、「ユーザーのアクセス数よりロボットのアクセス数の方が多かった」なんてこともあります。
ロボットのアクセスは、ユーザーのアクセスと同様、サーバに負荷がかかります。
ページ数が多く、更新頻度が高いサイトであれば、ロボットが多くのページを頻繁に巡回するため、結構な負荷になると思います。
アクセス禁止
日本でよく使われている検索エンジンは、Google、Yahoo の2つで、次点で Bing です。
その他の検索エンジンはあまり使われていないので、個人的にはサイトにロボットが来なくても全く問題がないと考えています。

robots.txt の設定、書き方

robots.txt について
1. robots.txt は、サイトのトップの階層に置きます。
2. robots.txt を用意したからといって、ロボットが正しく動作してくれるとは限りません。
3. robots.txt で定義した内容を、ロボットが即守ってくれるとは限りません。
  反映されるまで時間がかかる場合があります。
全てのロボットに対する制御
全てのロボットに対して、全てのページへのアクセスを禁止する場合は、以下のように書きます。
```
User-agent: *
Disallow: /
```
全てのロボットに対して、全てのページへのアクセスを許可する場合は、以下のように書きます。
```
User-agent: *
Disallow:
```
全てのロボットに対して、特定のディレクトリやページへのアクセスを禁止する場合は、以下のように書きます。
```
User-agent: *
Disallow: /cgi-bin/
Disallow: /data/
Disallow: /test/test.html
Disallow: /abc/*.gif$
Disallow: /memo*/
```
これは、
cgi-bin のディレクトリ
data のディレクトリ
test/test.html のページ
abc ディレクトリにある全てのGIFファイル（ファイルの末尾が.gifのもの）
memo で始まるすべてのディレクトリ（memotest、memoabc など）
へのアクセスを禁止します。
ただし、* や $ を使った正規表現的な書き方は、Googleなど一部のロボット以外は無視されるようです。
特定のロボットに対する制御
TestBot に対してアクセスを禁止する場合は、以下のように書きます。
TestBot 以外はアクセスできます。
```
User-agent: TestBot
Disallow: /
```
TestBot と aBot のアクセスを禁止する場合は、以下のように書きます。
TestBot と aBot 以外はアクセスできます。
```
User-agent: TestBot
Disallow: /

User-agent: aBot
Disallow: /
```
このように複数の User-agent: を書く場合は、改行だけの行を1行入れます。

TestBot と aBot だけアクセスを許可する場合は、以下のように書きます。
TestBot と aBot 以外はアクセスできません。
```
User-agent: TestBot
Disallow:

User-agent: aBot
Disallow:

User-agent: *
Disallow: /
```
User-agent: で使用するロボットの名称は、ロボットのユーザーエージェントに含まれている文字列を指定します。
例えば、Google のロボットのユーザーエージェントは、
Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)
なので、robots.txt では以下のようになります。
```
User-agent: Googlebot
Disallow: /cgi-bin/
```
その他、
Googleの画像検索は、Googlebot-Image
Googleのモバイル検索は、Googlebot-Mobile
Yahooの検索は、Slurp
MSN（Bing）の検索は、msnbot
Baidu（百度、バイドゥ）の検索は、Baiduspider
Askの検索は、Teoma
Naverの検索は、Yeti
Cuilの検索は、Twiceler
Dotbotの検索は、DotBot
などとなります。
ユーザーエージェントについては、検索エンジンのロボット、ユーザーエージェントをご覧ください。
その他の制御
TestBot に対して、連続してアクセスしてくる間隔（時間）を調整する場合は、以下のように書きます。
以下は、60秒の場合で、秒数で間隔を指定します。
```
User-agent: TestBot
Crawl-delay: 60
```
robots.txt 内にコメントを書きたい場合やコメントアウトしたい場合は、# を使います。
```
# 2010-01-20
User-agent: *
Disallow:
```
参考サイト
http://www.robotstxt.org/robotstxt.html
http://en.wikipedia.org/wiki/Robots.txt
http://www.w3.org/TR/html4/appendix/notes.html#h-B.4.1.1