ఎలా Google ఇండెక్స్ నుండి ఒక సైట్ లేదా దాని శకలాలు తొలగించడానికి

Google ద్వారా దత్తత ఇండెక్సింగ్ భావన ప్రకారం, పరిపూర్ణతను లెక్కలోకి సమాచారం మరియు ఫలితాలు జారీ శోధన ప్రశ్నకు దాని ఆజ్ఞాపాలనలను నిష్పాక్షిక. ఇండెక్స్ స్పామ్ కోసం చట్టవిరుద్ధ కంటెంట్, లేదా వనరు వెబ్సైట్ వచ్చినట్లయితే, ఈ సైట్ యొక్క పేజీలలో సాధారణ డేటాబేస్ శోధన ఇంజిన్ లో మార్క్ కాదు. మాకు తెలుసుకోవడానికి ముఖ్యం సైట్ ఎలా తొలగించడానికి శోధన సర్వర్ ఫలితాలు జారీ నుండి.

సున్నా ఇండెక్సింగ్ Google యొక్క రూపాలను

కొత్త వనరులను గురించి సమాచారాన్ని సేకరించడానికి ఒక కార్యక్రమం - - శోధన రోబోట్ ఒకసారి పేజీ ద్వారా సైట్ పేజీ స్కాన్ చేస్తుంది, అప్పుడు, పార్సింగ్ కోసం Google విధానం అవసరాలు కింద, అది సూచికకు జోడిస్తుంది. ఇండెక్స్ మరియు అదే సమయంలో ఆగిపోవచ్చు అన్వేషణ - కానీ మేము కూడా మీరు ఎలా ఒక robots.txt ద్వారా శోధన ఇంజిన్లు మీ సైట్ లేదా శకలాలు తొలగించడానికి చూపించు.

మొత్తంగా వనరు జారీ నుండి మినహాయించాలని సైట్ ఉన్న ఇది సర్వర్ యొక్క రూట్ ఫోల్డర్ లో, ఒక నిర్దిష్ట టెక్స్ట్ ప్రాంతం సృష్టిస్తుంది - robots.txt చెప్పారు. ఈ జోన్ సూచనలను చదవండి ప్రకారం శోధన ఇంజిన్లు చికిత్స మరియు చర్య.

Google శోధన ఇంజిన్ సూచికలు పేజీ, ఒక యూజర్ యాక్సెస్ ఉంది కూడా నిషేధించారు వీక్షించడానికి ఆ గుర్తుంచుకోండి. బ్రౌజర్ 401 లేదా 403 అంటాడు చేసినప్పుడు "యాక్సెస్ చెల్లదు", అది మాత్రమే సందర్శకులకు కాకుండా ఈ కోసం సేకరించడానికి ఆ ప్రోగ్రామ్ల కంటే వర్తిస్తుంది శోధన ఇంజిన్.

అర్థం చేసుకోవడానికి తొలగించడానికి ఎలా శోధన ఇంజిన్ ఇండెక్సింగ్ నుండి సైట్, ఒక టెక్స్ట్ పాయింటర్ క్రింది పంక్తులు నమోదు చేయాలి:

యూజర్-ఏజెంట్: Googlebot

అనుమతించవద్దు: /

ఈ సైట్ లో అన్ని కంటెంట్ నిషేధం ఇండెక్స్ క్రాలర్ సూచిస్తుంది. ఇక్కడ సైట్ ఎలా తొలగించడానికి కనుగొనబడింది రెండో జాబితాలో వనరు కాష్ చేయని విధంగా, గూగుల్.

వివిధ ప్రోటోకాల్ల కోసం స్కానింగ్ ఆకారాలను

మీరు హైపర్టెక్స్ట్ విడివిడిగా, మీరు ఉదాహరణకు, Google సూచి కోసం ప్రత్యేక నియమాలు వర్తిస్తాయి కోరుకుంటున్న కోసం వ్యక్తిగత సమాచార ప్రమాణాలు, జాబితా అవసరం ఉంటే ప్రోటోకాల్లు HTTP / https, ఇది క్రింది విధంగా (ఉదాహరణకు) లో robots.txt లో నమోదు అవసరం కూడా ఉంది.

(Http://yourserver.com/robots.txt) - మీ సైట్ ఒక డొమైన్ పేరు (ఏ)

యూజర్-ఏజెంట్: * - ఏ శోధన ఇంజిన్

అనుమతించు: / - పూర్తి ఇండెక్స్ అనుమతిస్తుంది

సమస్య నుండి పూర్తిగా https ప్రోటోకాల్ ఒక సైట్ను తీసివేయాలో

(Https://yourserver.com/robots.txt):

యూజర్-ఏజెంట్: *

అనుమతించవద్దు: ఇండెక్సింగ్ / నిషేధం

Google SERPS లో నుండి వేగవంతమైన తొలగింపు URL- వనరు చిరునామాలను

మీరు పునః ఇండెక్స్ కోసం వేచి లేదు, మరియు మీరు వంటి దాచాలనుకుంటున్నారా సైట్, నేను సాధ్యమైనంత త్వరలో సర్వీసు http://services.google.com/urlconsole/controller ఉపయోగించడానికి సిఫార్సు. ప్రీ robots.txt సైట్ సర్వర్ యొక్క మూల డైరెక్టరీ లో ఉంచుతారు వుంటుంది. ఇది తగిన సూచనలను సూచించిన చేయాలి.

కొన్ని కారణాల కోసం పాయింటర్ రూట్ డైరెక్టరీ లో సవరించవచ్చు పోతే, మీరు శోధన ఇంజిన్ల నుండి దాచడానికి కోరుకుంటున్న కోసం లక్ష్యాలకు ఫోల్డర్లో తగినంత దీన్ని సృష్టించడానికి. మీరు సేవకు దీన్ని మరియు స్వయంచాలకంగా హైపర్టెక్స్ట్ చిరునామాలను తొలగించడం చూడండి తర్వాత, Google robots.txt లో ఒక దోషం బయటకు స్పెల్లింగ్ ఫోల్డర్లను స్కాన్ చేయదు.

ఈ అదృశ్యానికి కాలం 3 నెలలు సెట్. ఈ కాలం తరువాత, సమస్య నుండి వెనక్కి డైరెక్టరీ, మళ్ళీ Google సర్వర్ ద్వారా ప్రాసెస్ చేయబడతాయి.

H ow పాక్షికంగా స్కాన్ ఒక సైట్ తొలగించడానికి

ఒక శోధన బాట్ robots.txt యొక్క కంటెంట్లను చదవడానికి ఉన్నప్పుడు, కొన్ని నిర్ణయాలు దాని కంటెంట్ ఆధారంగా తయారు చేస్తారు. మీరు అనాటోమ్ అని మొత్తం డైరెక్టరీ చూపిస్తున్న నుండి మినహాయించాలని అనుకుందాం. ఇది అటువంటి నియమాలను సూచించే తగినంత ఉంది:

యూజర్-ఏజెంట్: Googlebot

అనుమతించవద్దు: / అనాటోమ్

లేదా, ఉదాహరణకు, మీరు ఇండెక్స్ అన్ని చిత్రం రకాల .gif అనుకుంటున్నారా. ఇది చేయటానికి, ఈ కింది జాబితా జోడించండి:

యూజర్-ఏజెంట్: Googlebot

అనుమతించవద్దు: /*.gif$

ఇక్కడ మరొక ఉదాహరణ ఉంది. ఇండెక్స్ ఎంట్రీ రకం జోడించడం అయితే వాటిని ఆకస్మికంగా రూపొందించబడిన పేజీలలో సమాచారాన్ని పార్స్ నుండి తొలగించబడుతుంది లెట్:

యూజర్-ఏజెంట్: Googlebot

అనుమతించవద్దు: / *?

ఆ గురించి, మరియు శోధన ఇంజిన్లు నియమాలు అవ్ట్ అక్షరాలుగా. మరో విషయం ఏమిటంటే ఈ మెటా ట్యాగ్ ఉపయోగించడానికి మరింత సౌకర్యవంతంగా ఉంటుంది. మరియు వెబ్ మాస్టర్ తరచుగా శోధన ఇంజిన్లు ఆపరేషన్ నియంత్రించే కేవలం ఒక ప్రమాణాన్ని ఉపయోగిస్తుంది. కానీ మేము భవిష్యత్తు కథనాలు లో ఈ చర్చించడానికి చేస్తాము.