Робот, или паук, или червь, или crawler, или сетевой агент - программа обхода Сети. Базовой информацией для работы этой программы является список адресов (URL). Дополнительная информация берется из robots.txt (файла, в котором Web-администратор может запретить роботу заходить на те или иные разделы сайта, подробнее см. на http://www.topserver.donetsk.ua/Robot/). В самом общем случае робот предназначен для скачивания страниц по указанным адресам в место, указанное его хозяином.

Помимо robots.txt существуют и другие джентельменские соглашения для работы роботов - например, он не должен делать более одного коннекта, чтобы не забить канал и дать возможность другим пользователям Сети общаться с данным сервером.

Для поисковой машины Yandex.Ru в состав робота входят еще модули индексации, распознавания кодировок (если на странице содержится русский язык) и определения уникальности документа.

Как Yandex.Ru узнает о новых ресурсах

Как Yandex.Ru узнает о новых серверах и страницах? Есть два способа - или владельцы ресурсов сами добавляют их (заполнив форму AddURL на http://yandex.ru/addurl.html или послав письмо на addurl@yandex.ru), или робот находит новые ссылки в проиндексированных страницах. Так, например, с первой страницы сервера робот берет ссылки на последующие и так далее, без ограничения глубины, до тех пор, пока новые адреса не перестанут появляться.

Поскольку задачей Yandex.Ru является работа с русско-язычным и/или российско-ориентированным Интернетом, введено следующее правило: сервера в доменах России и стран СНГ ('su', 'ru', 'am', 'az', 'by', 'ge', 'kg', 'kz', 'md', 'tj', 'ua', 'uz') принимаются по умолчанию. Сервера в других доменах - если на них найден русский язык или если владельцы ресурсов убедят администрацию поисковой машины в том, что их сервер подпадает под указанную категорию (это обычно делается письмом на addurl@yandex.ru).

Итак, не удивляйтесь, если URL, который Вы добавляете, уже есть в базе робота. Наш робот мог найти Ваш URL по ссылкам из других проиндексированных документов. Не стоит также огорчаться, если при этом Вы не можете найти этот документ в Yandex. Наверняка наш "паук" просто еще не успел дойти до Вашего документа, и он будет проиндексирован через несколько дней.

Правила индексации в Yandex.Ru

Yandex индексирует страницы по их истинным адресам. Это значит, что, если на странице стоит redirect, робот воспримет его как ссылку на новый адрес и поступит с ним по правилам, указанным выше. То же самое произойдет, если в одном из фреймов будет стоять ссылка на другой сервер. В частности, если эта ссылка находится вне доменов, разрешенных по умолчанию, страница НЕ будет проиндексирована.

Кроме этого, Yandex начинает бороться со спамом, и страницы со временем redirect'а равным нулю будут исключаться из индексирования (непонятно, какие еще цели, кроме спама, могут быть у создателей страницы, которую пользователь в принципе не может увидеть).

Робот Yandex.Ru хранит дату последнего обхода каждого URL, дату его изменения (присланную его Web-сервером) и дату внесения последних изменений в базу поиска (дату индексации). Он оптимизирует обход Сети таким образом, чтобы чаще посещать наиболее изменяемые сервера.

По этой причине, а также потому, что на Yandex.Ru работает поиск и сортировка по датам, очень хотелось бы, чтобы сервера выдавали корректные даты изменения файлов, чего не происходит более чем в 20 процентов случаев.

Yandex.Ru является полнотекстовой поисковой машиной. Это значит, что в индекс попадают все слова текста на странице, видимые пользователю (то есть кроме комментариев и слов внутри тэгов). В ближайшее время планируется начать индексировать Meta-keywords.

Как узнать, проиндексирован ли ресурс

Чтобы проверить, проиндексирована ли Ваша страница, достаточно скопировать из нее какую-нибудь характерную строчку, желательно подлиннее (копирайт, адрес, название и описание), и задать ее как запрос в Yandex. Если на первой странице списка найденного Вашей страницы не оказалось, значит, она еще не проиндексирована. Тогда стоит проверить, есть ли она уже в базе робота. Для этого надо пойти на страницу AddURL ( http://yandex.ru/addurl.html ) и попробовать добавить адрес еще раз. Если Вы получили ответ, что страница уже содержится в базе робота, это значит, что она будет проиндексирована в ближайшее время. Если же Вы получили ответ, что страница добавлена, это значит, что в первый раз при добавлении что-то было сделано неверно - возможно, Вы не обратили внимание на диагностику, которая Вам была выдана.

Правила по добавлению URL в поисковую машину Yandex.Ru:

Добавляйте истинный адрес Вашей страницы
Создайте файл robots.txt, если Вы хотите закрыть какие-то разделы от индексирования.
Смотрите на ответ, который выдает Вам программа AddURL и, при необходимости, пишите письмо на addurl@yandex.ru (учтите, что запись URL чуствительна к регистру шрифта).
Конфигурируйте сервер так. чтобы он корректно выдавал даты файлов и кодировки русского языка.
Добавляйте верхнюю страницу Вашего сервера - остальные Yandex найдет сам по ссылкам.
Если Ваша страница была проиндексирована, а затем Вы изменили ее содержание или удалили ее, не беспокойтесь - робот автоматически обойдет ее снова и обновит индекс (в случае, если страница больше не существует, она будет исключена из поиска).
Ресурс в системе описан неправильно. Как это исправить?

Мы часто получаем письма вроде "Я не заносил в Вашу систему мой ресурс, и он описан неправильно. Как мне исправить положение?" Вообще говоря, ресурс, если он существует, не может быть занесен неправильно. Если он секретный, запретите доступ к нему в robots.txt. Если он не ищется по тем словам, по которым Вам бы хотелось, или находится не в первых рядах, обратите внимание на то, что, собственно, написано на страницах Вашего ресурса.

Yandex.Ru - полнотекстовая поисковая машина, поэтому страницы будут находиться по словам, написанных на них, а не по тем ключевым словам, которыми Вы этот ресурс описали. Учтите также, что Yandex работает только с текстами и не умеет распознавать графические изображения. Поэтому, если название нарисовано, то стоит его повторить где-нибудь просто текстом. Предложения Yandex на тему "как сделать, чтобы Вашу страницу нашли те, кому она нужна" описаны в "Советах Web-мастеру" (http://yandex.ru/ya_advise.html).

Источник: New Web-Masters Club