Googlebot
Googlebot es el robot que utiliza Google para 'rastrear' los sitios de
Internet. No solamente indexa páginas web (HTML), sino que también extrae
información de ficheros PDF, PS, XLS, DOC y algunos otros más.
La frecuencia con la que Googlebot accede a un sitio web depende del
PageRank de éste. Contra mayor sea este valor, el robot
accederá más asiduamente a sus páginas.
Por ejemplo, podemos comprobar que los sitios con PR10 (el valor más alto), como
yahoo.com o usatoday.com, han sido 'rastreados' por Googlebot ayer o incluso o hoy mismo,
mientras que otros han sido accedidos hace varias semanas. Esto se puede comprobar
accediendo al 'cache' de esta página.
Para comprobar si Googlebot ha accedido a nuestro sitio web, deberemos echar un
vistazo a los logs de nuestro servidor. En ellos, deberemos observar si hay registros
de accesos en los que aparezca 'googlebot'. Generalmente aparecerá el nombre del servidor,
el cual podrá ser alguno de estos:
| SERVIDOR |
DIRECCION IP |
| crawl1.googlebot.com |
216.239.46.20 |
| crawl2.googlebot.com |
216.239.46.39 |
| crawl3.googlebot.com |
216.239.46.61 |
| crawl4.googlebot.com |
216.239.46.82 |
| ... |
... |
| crawl9.googlebot.com |
216.239.46.234 |
| crawler1.googlebot.com |
64.68.86.9 |
| crawler2.googlebot.com |
64.68.86.55 |
| ... |
... |
| crawler14.googlebot.com |
64.68.82.138 |
Googlebot intentará acceder, como hacen la mayoría de los robots de los motores de búsqueda,
al fichero 'robots.txt'. En este archivo se deberán indicar las zonas de nuestro sitio web
donde no queremos que entre ni Googlebot ni el resto de los buscadores. Para conocer más sobre
'robots.txt', existe un magnígico recurso: www.robotstxt.org.
Una vez que Googlebot haya 'rastreado' nuestra página, seguirá los enlaces que en ella encuentre
(los HREF y los SRC).
Por lo tanto, si quieres que Googlebot indexe tu página web, solamente es necesario que algún
otro sitio tenga un hiperenlace al tuyo. Si no es así, siempre puedes añadir directamente tu URL.
Además de este robot GoogleBot, existe otro, llamado FreshBot que 'rastrea'
con mayor frecuencia los sitios webs con las noticias 'más frescas'.
|
