SEO: Sitemap y robots.txt

sitemap y robot.txt

¿Qué es un sitemap y como crearlo?

[-] Indice de contenidos
  • ¿Qué es y para que sirve el Sitemap?
  • Construcción del sitemap
  • Contenidos obligatorios del sitemap
  • Ejemplo sencillo de Sitemap
  • Alojamiento del sitemap
  • Envío el sitemap a los servidores
  • Creación del fichero robots.txt
  • Bola extra!!! otros artículos que te interesarán
  • ¿Qué es y para que sirve el Sitemap?

    El posicionamiento en buscadores de los sitios que diseñamos como consultores SEO o que simplemente estamos administrando tiene una enorme importancia en un entorno tan competitivo como es la web de hoy en día. De posicionamiento web depende muchas veces el éxito o fracaso del sitio y por eso tenemos que hacer todo lo posible para informar al los buscadores de la existencia de nuestros sitio.

    Un sitemap es un archivo XML que contiene una lista de las páginas del sitio junto con alguna información adicional, tal como con qué frecuencia la página cambia sus contenidos, cuándo fue su última actualización y qué tan importante es respecto al resto de las páginas del mismo sitio.

    Un robots.txt en un fichero de texto que todos los buscadores tienen que leer

    Construcción del sitemap

    La construcción del archivo XML debe seguir una serie de pautas especificadas en el protocolo de sitemaps y después tenemos que informar a los buscadores de la existencia del mismo, para eso os vamos a explicar los siguientes pasos.

    • Contenidos obligatorios del sitemap
    • Ejemplo de sitemap
    • Etiquetas que forman el SITEMAP
    • Alojamiento del sitemap
    • Envío del sitemap con robots.txt

    Contenidos obligatorios del sitemap

    Un Sitemap se construye usando a etiquetas XML o tags incluidas en un archivo siempre con codificación UTF-8. Los valores de datos (por contraposición a las etiquetas mismas) deben utilizar códigos de escape para ciertos caracteres especiales, tal como se acostumbra en HTML, por ejemplo:

    • Las comillas dobles (“) deben ser reemplazadas por “
    • Los signos menor (<) y mayor (>) por < y > respectivamente.

    Ejemplo sencillo de Sitemap

    Este es un ejemplo de sitemap:

    ejemplositemap

    La explicación de la cabecera es bastante sencilla

    • Con la primera etiqueta definimos la versión de xml en uso y la codificación en este caso UTF-8
    • La segunda línea hace referencia al protocolo de uso, el 0.9

    Etiquetas que forman el SITEMAP

    Puedes ver toda la documentación de Google al respecto de sitemaps aquí y si prefieres un sencillo resumen te lo dejo a continuación.

    • <loc>http://….</lo> url de la página Dirección url de la página que forma parte del Sitemap
    • <lastmod>Fecha</lastmod>, fecha de última modificación
      • Se pone en este formato: 2011-03-31
    • <changefrec>Frec</changefrec>, Frecuencia de Cambio
      • always, siempre, para páginas que cambian cada vez que se muestran. Típicamente, las dinámicas,
      • hourly, a cada hora,
      • daily, diariamente,
      • weekly, semanalmente,
      • monthly mensualmente,
      • yearly anualmente
      • never nunca, típicamente para páginas archivadas.
    • <priority>Valor</priority> Prioridad Se refiere a la importancia que tiene la página que figura en respecto de las demás que componen el sitio. Es simplemente una manera de indicar prioridades relativas dentro del sitio, sin ningún efecto hacia el exterior del mismo. Valor puede tomar valores entre 0 y 1. El valor por defecto es 0.5

    Alojamiento del sitemap

    El archivo XML así construido se aloja en el servidor como un archivo más del sitio, con la salvedad de que puede contener las URL contenidas en el mismo directorio en que se encuentra o en otros contenidos en él. Normalmente se pone en la raíz del servidor llamándolo sitemap.xml

    Envío el sitemap a los servidores

    A través de Google Webmaster Tools o de Yahoo Site explorer podemos proporcionar directamente la información de nuestro sitemap a los buscadores. Pero también lo podemos hacer con el archivo robots.txt.

    Más información aquí: http://www.sitemaps.org/protocol.php#submit_robots

    Creación del fichero robots.txt

    El archivo “robots.txt” les dice a los motores de búsqueda a qué partes de tu sitio pueden acceder y consecuentemente rastrear. Este archivo se debe llamar “robots.txt”, y tiene que estar en el directorio raíz de tu sitio.

    A continuación de dejo una información básica sobre robots.txt pero si de verdad quieres aprender bien cómo funciona no dejes de leer esta entrada actualizada sobre robots.txt

    Su formato habitual es:

    User-Agent: *
    Disallow: /estilo/plantilla.css
    Disallow: /recursos/
    Disallow: /capcha/
    Disallow: /sesiones/
    Disallow: /test/
    Disallow: /img/
    Disallow: /css/
    Sitemap: http://impresas.es/sitemap.xml

    En primer lugar con User-Agent: *, especificamos el buscador al que afectará la regla, si ponemos asterisco hacemos referencia a todos los buscadores, también se puede poner por ejemplo google para hacer referencia sólo a google.. Luego deshabilitamos el acceso a todas aquellas carpetas o ficheros que no queremos que sean accedidas y por último vamos a indicar donde está nuestro sitemap y  de esta forma todos los robots que pasen por es sitio podrán localizar fácilmente nuestro sitemap.

    Bola extra!!! otros artículos que te interesarán

    1. ¿Cómo limpiar las urls con PHP y .htaccess?
    2. Usar Gzip en WordPress para mejora el rendimiento.
    3. ¿Qué es un sitemap.xml?
    4. Mejorar la seguridad de WordPress con .htaccess

    ¿Con ganas de aprender más? Conóceme y sigue mis perfiles sociales AQUÍ.

    También puedes conocer mis servicios:.

    Servicios SEO


    Servicios personalizados como Consultor SEO Freelace para profesionales, eCommerce, agencias y PYMES

    15 comentarios

    1. Jose

      Gracias por el articulo, lo he entendido bastante bien por que lo has explicado de manera bastante sencilla y entendible, en otras paginas he visto turoriales hiperlargos que no se entendian nada :$

    2. Juan

      Hola Juan Luis,
      ¿crees que puedo utilizar este ejemplo de robots.txt para mi tienda en Magento?
      Gracias

    3. Francisco

      Buenas tardes, alguien sabe como se podría poner para que los buscadores no indexen todas las url que termine mi web que acaben con /r/ por ejemplo. http://www.midominio.com/articulo/134/r/
      es que google me detecta duplicidades con esas url terminadas /r/
      Gracias

    4. Carlos

      ¿Todavía se hace eso de poner el sitemap en el robots.txt? Por ahí leí que ya no es necesario, yo simplemente lo envío a Webmasters Tools y funciona.

    5. jlmora

      Sólo existe Google como buscador?
      estás dado de alta en todos los que existen?

      Si lo pones allí cualquier buscador podrá encontrarlo y rastrear el sitio.

    6. Juan Alberto Martinez

      Hola Juan Luis.
      Encantado de volver a saludarte.
      El fichero robot.txt que generastes en septiembre del 2013, debemos de volver a generarlo de nuevo en Prestashops/preferencias/SEO&URLs.

      Me esplico, me refiero a refrescarlo a cada cierto tiempo como hacemos con Sitemaps.

      Saludos.
      Juan Alberto

    7. celia

      Pero si deshabilitamos los módulos en el robots.txt, las imágenes que tenemos en ellos no se indexan.¿Esto hasta qué punto es importante? Gracias !!!

    8. jlmora

      Tienes razón, es cuestión de conocer los módulos usados y la importancia de sus imágenes

    9. IVÁN

      Hola Juan, gracias por tu artículo…
      Tengo algunas preguntas, le agradecería su colaboración:

      -Si mi web se actualiza a diario, debo hacer un sitemap a diario para herramientas de google? y este sitemap debe llevar el mismo nombre para subirlo a la raiz, o es por ejemplo seria sitemap1.xml, sitemap2,xml …. sitemap 213.xml…

      – Si hago los sitemaps, con un gestor para ello, porque google no me subdivide mi web; es decir, la raiz y de alli mostrar otras más, solo veo dos…

      – Si hago sitemaps, y es para que google analice todo el contenido de mi web, entonces para que hago el robots.txt??? si no lo hago en el probador de google me dice que revisa toda mi web, esto es así o es mejor hacer el robots.txt con esta info:

      User-agent: *
      Disallow:

      Gracias por la atención prestada.
      Un abrazo cordial desde Colombia.

    10. fotos graciosas

      Hola, Tengo una pagina y tengo paginacion en ella, y no quiere que se indexe en google ya que es el mismo contenido que el post, como lo quito la paginacion ya he probado pero creo no funciona, o cuanto tengo que esperar para que google rastree mi sitio nuevamente. Probe con Disallow: /page/

    11. jlmora

      ¿Qué has probado?

      En principio si le pones noindex dejará de indexarse y luego puedes borrarlas desde WMT a la vez que cortar en robots.txt

    12. jlmora

      si activas contenidos deberías actualizar sitemap.

      Lo demás no es como tu lo entiendes, el sitemap es solo un mapa que Google sigue o no según le de pero no quiere decir que solo coja lo que este en el. Para bloquear accesos debes usar robots.txt

    13. jlmora

      Buenas José Antonio… Verás que últimamente no respondo los comentarios lo que se dice pronto :)

      ese fichero depende de la estructura, en principio si no has tocado mucho puedes seguir usando el mismo

    Dejar un comentario

    Tu dirección de correo electrónico no será publicada.

    Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.