robots.txt ファイルとは？

1. robots.txt ファイルとは？

robots.txt ファイルとは、「Google などのクローラやボットに対して、ページの取得を受け入れる/拒否する意思を伝えるためのファイル」です。

robots.txt ファイルで利用される規約は、「Robots Exclusion Standard(RES)」「Robots Exclusion Protocol」「ロボット排除規約」「robots.txt プロトコル」など様々な呼称があります。

このファイルはあくまで「意思を伝える」だけであるため、クローラ（プログラム）がそれを尊重するかどうかはまた別の話しです。但し、robots.txt で拒否しているのにそれを無視してページを取得していることが分かれば悪評が立つでしょう。

2. 使い方

ファイルの設置

ウェブサイトのドキュメントルートの位置に、robots.txt という名前のファイルを設置します。

記述例

そこで、クローラプログラムを表す名前に対して、Allow(許可する) / Disallow(許可しない)などを指定します。

例えば、Wayback Machine というウェブサービスでは、あらゆるウェブサイトを日々クロールして取得し、取得した日付別に公開しています。この Wayback Machine からのクロールを拒否したい場合は、robots.txt ファイルに以下を記述します。

User-agent: ia_archiver
Disallow: /

全てのクローラやボットが全ファイルを走査できないようにするには、「*」を使って以下のように記述することができますが、これだと無視されることもあるようです。

User-agent: *
Disallow: /

全てのクローラやボットが、「特定のファイル」を見ないよう指定する場合は以下のように書きます。

User-agent: *
Disallow: /directory/file.html