Robots.txt 파일 만들기

시작하기

robots.txt 파일은 사이트의 루트에 위치합니다. 따라서 www.example.com 사이트의 경우 robots.txt 파일은 www.example.com/robots.txt에 있습니다. robots.txt는 로봇 배제 표준을 따르는 일반 텍스트 파일입니다. robots.txt 파일은 하나 이상의 규칙으로 구성됩니다. 각 규칙은 특정 크롤러가 웹사이트에서 지정된 파일 경로에 액세스하는 것을 차단하거나 허용합니다.

다음은 규칙이 2개인 간단한 robots.txt 파일입니다. 설명은 아래에서 확인할 수 있습니다.

# Group 1
User-agent: Googlebot
Disallow: /nogooglebot/

# Group 2
User-agent: *
Allow: /

Sitemap: http://www.example.com/sitemap.xml

설명

  1. 이름이 'Googlebot'인 사용자 에이전트는 http://example.com/nogooglebot/ 디렉터리와 모든 하위 디렉터리를 크롤링할 수 없습니다.
  2. 그 외 모든 사용자 에이전트는 전체 사이트를 크롤링할 수 있습니다. 기본적으로 전체 액세스가 허용된다고 가정되기 때문에 이 부분을 생략해도 결과는 같습니다.
  3. 사이트의 사이트맵 파일http://www.example.com/sitemap.xml에 있습니다.

더 많은 예는 구문 섹션을 참고하세요.

robots.txt 기본 가이드라인

robots.txt 파일에 관한 몇 가지 기본 가이드라인은 다음과 같습니다. robots.txt 구문에는 이해해야 하는 미묘한 동작이 있기 때문에 robots.txt 파일의 전체 구문을 읽는 것이 좋습니다.

형식 및 위치

거의 모든 텍스트 편집기를 사용하여 robots.txt 파일을 만들 수 있습니다. 텍스트 편집기로 표준 UTF-8 텍스트 파일을 만들 수 있어야 합니다. 워드 프로세서는 사용하지 마세요. 워드 프로세서는 파일을 고유의 형식으로 저장하는 경우가 많고, 둥근 따옴표와 같은 예상치 못한 문자를 추가하여 크롤러에 문제를 일으킬 수 있습니다.

형식 및 위치 규칙

  • 파일 이름은 robots.txt로 지정해야 합니다.
  • 사이트에는 robots.txt 파일이 하나만 있어야 합니다.
  • robots.txt 파일은 파일이 적용되는 웹사이트 호스트의 루트에 있어야 합니다. 예를 들어, http://www.example.com/ 아래 모든 URL에 대한 크롤링을 제어하려면 robots.txt 파일이 http://www.example.com/robots.txt에 있어야 합니다. 하위 디렉터리(예: http://example.com/pages/robots.txt)에 배치하면 안 됩니다. 웹사이트 루트에 액세스하는 방법을 잘 모르거나 액세스 권한이 필요한 경우 웹 호스팅 서비스 제공업체에 문의하세요. 웹사이트 루트에 액세스할 수 없다면 메타 태그와 같은 다른 차단 방법을 사용하세요.
  • robots.txt 파일은 하위 도메인(예: http://website.example.com/robots.txt) 또는 비표준 포트(예: http://example.com:8181/robots.txt)에 적용할 수 있습니다.
  • # 기호 뒤에 표시되는 모든 콘텐츠는 주석으로 처리됩니다.

구문

  • robots.txt는 UTF-8로 인코딩된 텍스트 파일이어야 합니다(ASCII 포함). 다른 문자 집합은 사용할 수 없습니다.
  • robots.txt 파일은 하나 이상의 그룹으로 구성됩니다.
  • 그룹은 여러 규칙 또는 명령어(지침)로 구성되며, 행마다 하나의 명령어가 있습니다.
  • 그룹은 다음과 같은 정보를 제공합니다.
    • 규칙이 적용되는 대상(사용자 에이전트)
    • 에이전트가 액세스할 수 있는 디렉터리나 파일 또는
    • 에이전트가 액세스할 수 없는 디렉터리나 파일
  • 그룹은 위에서 아래 순서로 처리되며, 사용자 에이전트는 주어진 사용자 에이전트와 일치하는 가장 구체적인 첫 번째 규칙 집합 한 개에만 연결될 수 있습니다.
  • 기본적인 가정은 사용자 에이전트에서 Disallow: 규칙으로 차단되지 않은 페이지 또는 디렉터리를 크롤링할 수 있다는 것입니다.
  • 규칙은 대소문자를 구분합니다. 예를 들어, Disallow: /file.asphttp://www.example.com/file.asp에 적용되지만 http://www.example.com/FILE.asp에는 적용되지 않습니다.

robots.txt 파일에서 사용되는 명령어는 다음과 같습니다.

  • User-agent: [필수, 그룹당 하나 이상] 명령어는 규칙이 적용되는 검색엔진 크롤러(자동화 클라이언트)의 이름을 지정합니다. 이 명령은 모든 규칙 그룹의 첫 행입니다. Google 사용자 에이전트 이름은 Google 사용자 에이전트 목록에 나열되어 있습니다. 아래 예와 같이 별표(*)를 사용하면 이름을 명시적으로 지정해야 하는 여러 AdsBot 크롤러를 제외한 모든 크롤러에 규칙을 적용할 수 있습니다. 예를 들면 다음과 같습니다.
    # Example 1: Block only Googlebot
    User-agent: Googlebot
    Disallow: /
    
    # Example 2: Block Googlebot and Adsbot
    User-agent: Googlebot
    User-agent: AdsBot-Google
    Disallow: /
    
    # Example 3: Block all but AdsBot crawlers
    User-agent: *
    Disallow: /
  • Disallow:[규칙당 하나 이상의 Disallow 또는 Allow 항목 필요] 사용자 에이전트가 크롤링하지 않도록 하려는 루트 도메인 관련 디렉터리 또는 페이지입니다. 규칙이 페이지를 참고하는 경우 브라우저에 표시되는 전체 페이지 이름이어야 하고 디렉터리를 참고하는 경우 / 기호로 끝나야 합니다.
  • Allow:[규칙당 하나 이상의 Disallow 또는 Allow 항목 필요] 방금 언급한 사용자 에이전트가 크롤링할 수 있는 루트 도메인 관련 디렉터리 또는 페이지입니다. 이는 Disallow 명령어를 재정의하여 허용되지 않은 디렉터리에 있는 하위 디렉터리 또는 페이지를 크롤링할 수 있도록 합니다. 단일 페이지의 경우 브라우저에 표시되는 전체 페이지 이름을 지정해야 합니다. 디렉터리의 경우 규칙은 / 기호로 끝나야 합니다.
  • Sitemap:[선택사항, 파일당 0개 이상] 웹사이트의 사이트맵 위치입니다. 사이트맵 URL은 정규화된 URL이어야 합니다. Google은 http, https, www를 포함하는 URL과 포함하지 않는 대체 URL을 가정하거나 확인하지 않습니다. 사이트맵은 Google에서 크롤링할 수 있거나 할 수 없는 콘텐츠를 표시하는 것이 아니라 크롤링을 해야 하는 콘텐츠를 표시할 때 좋은 방법입니다. 사이트맵 자세히 알아보기 예:
    Sitemap: https://example.com/sitemap.xml
    Sitemap: http://www.example.com/sitemap.xml

sitemap을 제외한 모든 명령어는 경로 접두사, 접미사 또는 전체 문자열에 * 와일드 카드를 지원합니다.

다음 명령어와 일치하지 않는 행은 무시됩니다.

다른 예 파일

robots.txt 파일은 하나 이상의 그룹으로 구성되며, 각 그룹은 그룹 대상을 지정하는 User-agent 행으로 시작합니다. 다음은 그룹이 2개인 파일입니다. 인라인 주석에 각 그룹이 설명되어 있습니다.

# Block googlebot from example.com/directory1/... and example.com/directory2/...
# but allow access to directory2/subdirectory1/...
# All other directories on the site are allowed by default.
User-agent: googlebot
Disallow: /directory1/
Disallow: /directory2/
Allow: /directory2/subdirectory1/

# Block the entire site from anothercrawler.
User-agent: anothercrawler
Disallow: /

전체 robots.txt 구문

여기에서 전체 robots.txt 구문을 확인할 수 있습니다. robots.txt 구문에는 몇 가지 까다로운 부분이 있으며 이 부분을 잘 알아 둬야 하므로 전체 문서를 읽어 보시기 바랍니다.

알아 두면 좋은 robots.txt 규칙

다음은 알아 두면 좋은 몇 가지 일반적인 robots.txt 규칙입니다.

규칙 예시
전체 웹사이트 크롤링 금지. 웹사이트의 URL이 크롤링된 적이 없어도 색인이 생성되는 경우가 있다는 점을 기억하시기 바랍니다.

User-agent: *
Disallow: /
디렉터리 및 디렉터리에 포함된 콘텐츠 크롤링 금지(디렉터리 이름 뒤에 슬래시 입력). 비공개 콘텐츠에 대한 액세스를 차단하는 데 robots.txt를 사용하면 안 됩니다. 대신 올바른 인증 방법을 사용하세요. robots.txt 파일을 통해 금지된 URL은 크롤링되지 않아도 색인이 생성될 수 있으며 robots.txt 파일은 누구나 볼 수 있으므로 비공개 콘텐츠의 위치가 공개될 수도 있습니다.

User-agent: *
Disallow: /calendar/
Disallow: /junk/
크롤러 하나에만 액세스 허용

User-agent: Googlebot-news
Allow: /

User-agent: *
Disallow: /
하나를 제외한 모든 크롤러에 액세스 허용

User-agent: Unnecessarybot
Disallow: /

User-agent: *
Allow: /

웹페이지 하나의 크롤링 금지(슬래시 뒤에 페이지 입력)


User-agent: *
Disallow: /private_file.html

Google 이미지의 특정 이미지 크롤링 차단


User-agent: Googlebot-Image
Disallow: /images/dogs.jpg

Google 이미지의 사이트 내 모든 이미지 크롤링 차단


User-agent: Googlebot-Image
Disallow: /

특정 형식의 파일 크롤링 금지(예: .gif)


User-agent: Googlebot
Disallow: /*.gif$

전체 사이트의 크롤링을 금지하지만 페이지에 애드센스 광고를 표시하는 경우 Mediapartners-Google을 제외한 모든 웹 크롤러 차단 이를 통하여 검색결과에서 페이지를 숨길 수 있지만, Mediapartners-Google 웹 크롤러가 숨겨진 페이지를 분석하여 내 사이트를 방문하는 사용자에게 어떤 광고를 표시할지 결정할 수 있습니다.


User-agent: *
Disallow: /

User-agent: Mediapartners-Google
Allow: /
특정 문자열로 끝나는 URL에 적용($ 사용). 예를 들어, 샘플 코드는 .xls로 끝나는 URL을 모두 차단합니다.

User-agent: Googlebot
Disallow: /*.xls$