Correct me if I am wrong, but Latest is the default display but not the default link, right? This has to do with the actual /latest link
We have every single page of latest in the index, the content is like quicksand and there is nothing in the homepage that is “site specific” and not quicksand which is a big problem:
We absolutely do not want people landing on page 2 / 3 etc.. page 1 maybe, but the content on page 1 keeps on changing.
This URL for example https://meta.discourse.org/latest?no_definitions=true&no_subcategories=false&page=2 is stored in the Google index.
I am reticent to change stuff though cause I do not know how the big Google will deal with us adding “dont store in index” directives here. Also people never land on these pages anyway cause Google automatically detects they are rubbish and do not send people there.
If there is anything super positive here, I guess it would be having a wonderful “HTML off” homepage that has useful enough content that search engines would send people to the page.
For example, it would be super nice if discourse community discussions ranked meta.discourse.org first cause we had a nice front page.
A simple fix here we can make that can give us lots of mileage is nice expansion of pinned posts:
They are stable content, we can expand that:
In fact we can even expand it a bit further for crawler views. Additionally we could list all the categories on the home page as well in the crawler view… there is a bunch of stuff we can do.
Hello!
this is my file
# See http://www.robotstxt.org/robotstxt.html for documentation on how to use the robots.txt file
#
User-agent: *
Disallow: /auth/cas
Disallow: /auth/facebook/callback
Disallow: /auth/twitter/callback
Disallow: /auth/google/callback
Disallow: /auth/yahoo/callback
Disallow: /auth/github/callback
Disallow: /auth/cas/callback
Disallow: /assets/browser-update*.js
Disallow: /users/
Disallow: /u/
Disallow: /my/
Disallow: /badges/
Disallow: /search
Disallow: /search/
Disallow: /tags
Disallow: /tags/
Disallow: /email/
Disallow: /session
Disallow: /session/
Disallow: /admin
Disallow: /admin/
Disallow: /user-api-key
Disallow: /user-api-key/
Disallow: /*?api_key*
Disallow: /*?*api_key*
Disallow: /groups
Disallow: /groups/
Disallow: /t/*/*.rss
Disallow: /tags/*.rss
Disallow: /c/*.rss
User-agent: mauibot
Disallow: /
User-agent: bingbot
Crawl-delay: 60
Disallow: /auth/cas
Disallow: /auth/facebook/callback
Disallow: /auth/twitter/callback
Disallow: /auth/google/callback
Disallow: /auth/yahoo/callback
Disallow: /auth/github/callback
Disallow: /auth/cas/callback
Disallow: /assets/browser-update*.js
Disallow: /users/
Disallow: /u/
Disallow: /my/
Disallow: /badges/
Disallow: /search
Disallow: /search/
Disallow: /tags
Disallow: /tags/
Disallow: /email/
Disallow: /session
Disallow: /session/
Disallow: /admin
Disallow: /admin/
Disallow: /user-api-key
Disallow: /user-api-key/
Disallow: /*?api_key*
Disallow: /*?*api_key*
Disallow: /groups
Disallow: /groups/
Disallow: /t/*/*.rss
Disallow: /tags/*.rss
Disallow: /c/*.rss
I read the tutorials above but I do not understand how to fix the question “Need to edit robots.txt file - where is it?”. Looking forward to receiving help from the community
This is the content to be want to update
# See http://www.robotstxt.org/wc/norobots.html for documentation on how to use the robots.txt file
#
User-agent: *
Disallow: /auth/cas
Disallow: /auth/facebook/callback
Disallow: /auth/twitter/callback
Disallow: /auth/google/callback
Disallow: /auth/yahoo/callback
Disallow: /auth/github/callback
Disallow: /auth/cas/callback
Disallow: /assets/browser-update*.js
Disallow: /users/
Disallow: /u/
Disallow: /badges/
Disallow: /search
Disallow: /search/
Disallow: /tags
Disallow: /tags/
Thanks all
I think you can override the file in your own plugin.
You will want to read the plugin development topics and then read this
https://meta.discourse.org/t/how-to-block-all-crawlers-but-googles/62431/4?u=cpradio
I really do not want to block the google search engine that I want to change by content in the robots.txt file
Why does my website not find such a directory /discourse/app/views ?
There is no robots.txt text file per se. It is a Ruby controller
You really need to read some of the Development topics, it explains all of that and more. The plugin should be trivial, to be honest. Or you can post something in Marketplace with a budget to see if someone will build it for you.
If that is added, could it be made into an overridable setting? I clicked on this link in the newsletter, because getting user pages indexed is also something we need. We’re hoping to add additional information to them and eventually redirect the old (indexed) user pages to the Discourse ones.
I was just noticing this problem on one of my Discourse sites. The way to block those dynamic URLs from bots while still allowing search engines to crawl /latest is this:
Disallow: /latest?
That will only block the dynamic ones, but not /latest, so search engines would still be able to see the latest content. I tested the rule in Google’s Webmaster Tools and it works.
Here’s an example of some of the dynamic URLs that are getting crawled on my site:
Is it possible to add that one line to robots.txt?
(Edit: I looked more closely at the file, and I wouldn’t use noindex there, at least on that dynamic rule. I’m pretty sure that Google has recommended not to use noindex in robots.txt though it was several years ago.)
يمكنك الآن حظر أو تقييد عناكب الويب المسيئة عبر إعدادات الموقع، مما يعدّل ملف robots.txt بشكل غير مباشر، لكننا لا نوفر بعد إمكانية التعديل الحر عليه.
أعتقد أننا ينبغي أن نفعل ذلك.. @eviltrout هل يمكنك تحديد نطاق هذه الميزة للإصدار 2.4؟ إنها تجيب على العديد من الطلبات، وكثير منها لا نتفق معه، لكن موقفى هو “الأمر يعود إليك، فافعل ما تشاء إذا شعرت بالحاجة لذلك 
”
هل يمكننا على الأقل اعتبار تحرير ملف robots.txt خارج نطاق دعم المجتمع تمامًا؟
للعلم، يمكن لأي شخص إضافة قواعد إضافية بسهولة من خلال إضافة بسيطة باستخدام قالب “robots_txt_index” للربط. على سبيل المثال: app/views/connectors/robots_txt_index/sitemap.html.erb
إليك كيف أعتقد أنه ينبغي أن يعمل:
-
أضف عنوان URL جديدًا إلى قسم الإدارة غير مرتبط مباشرة. على سبيل المثال
/admin/customize/robots-
اعرض عنصر
<textarea>يحتوي على محتوى robots.txt الحالي. -
إذا لم يكونوا قد عدلوه من قبل، فاملأه مسبقًا بالمحتوى بناءً على القائمة البيضاء/القائمة السوداء.
-
عندما يضغط المسؤول على زر حفظ التغييرات، يجب حفظه في قاعدة البيانات ويستبدل المحتوى الحالي لملف
robots.txtفي هذا المنتدى.
-
أنا معارض بشدة لهذا الاقتراح، لأنه يعطي خيارًا غامضًا وخطيرًا أولوية عالية في واجهة المستخدم.
أعتقد أن المسار لتخصيص robots.txt يجب أن يكون مخصصًا ويُدخل يدويًا في الوقت الحالي. إذا رغب المستخدمون في ذلك، فعليهم البحث في Google أو Meta لإيجاد المسار.
لهذا السبب أخفيته خلف “التحرير المتقدم”، ولكن إذا كنا نغيب الواجهة، فيمكنني تبسيطه أكثر (سأقوم بتعديل هذا المنشور).
يبدو الأمر جيدًا! تأكد من أن زر التراجع يستخدم الرمز الصحيح، وهو نفس الرمز الذي نستخدمه في التراجع في إعدادات الموقع. كما أننا نستخدم كلمة “إعادة تعيين” فقط، لذا يمكنك إعادة استخدام ذلك النص بدلاً من إنشاء ترجمة جديدة.
كما نحتاج إلى بعض التحذيرات بخصوص مجموعة صغيرة من إعدادات الموقع التي تُعدّل ملف robots.txt، والتي سيتم تجاوزها إذا قمت بتعديله يدويًا وما إلى ذلك.
تم دمج طلب السحب (PR) للتو: 
إذا قمت بالتحديث إلى أحدث إصدار ناجح الاختبارات، فستتمكن من تخصيص ملف robots.txt من خلال /admin/customize/robots. هذه الصفحة غير مربوطة بأي مكان في واجهة المستخدم، لذا ستحتاج إلى نسخ عنوان URL ولصقه يدويًا في متصفحك.
ملاحظة: إذا قمت بكتابة ملف بديل، فلن تنطبق أي تغييرات لاحقة على إعدادات الموقع التي تعدّل ملف robots.txt (مثل وكلاء الزحف المصرح بهم وما إلى ذلك) على الملف (سيتم حفظ الإعدادات بشكل صحيح، لكن لن ينعكس التغيير على ملف robots.txt). يمكنك استعادة النسخة الافتراضية، وعندها ستبدأ إعدادات الموقع في التطبيق على الملف مرة أخرى.
إذا كان هناك ملفات بديلة وقام مسؤول بمعاينة الملف في /robots.txt، فسيرى تعليقًا في الأعلى يشير إلى وجود تعديلات، مع روابط تتيح له تعديل الملف أو إعادة تعيينه إلى النسخة الافتراضية.