HTML a kaskádové styly

Nejdůležitější české vyhledávače

• Seznam – cca 60% podíl na trhu;
• Google – 25%;
• Centrum – 5%;
• Atlas – 3%;

(zaokrouhleno, dle statistik serverů Toplist.cz a NaVrcholu.cz.)

Nejdůležitější světové (neasijské) vyhledávače

• Google – 60%;
• Yahoo! – 15%;
• Live Search (Microsoft) – 5%;

(zaokrouhleno, dle statistik serveru comScore.)

Princip vyhledávání a vyhledávačů

1. robot prohledává a sleduje webové stránky (po odkazech, např. z katalogů);
2. stránku zaznamenají do databáze (zaindexují);
3. uživateli, který položil dotaz, vrátí výsledek z této databáze.

Sběr dat

Co je důležité:

• ke stránce se robot může dostat v zásadě dvěma způsoby:
  • vede na ni odkaz z jiné stránky;
  • stránka byla ručně přidána do seznamu (např. z domácí stránky vyhledávače);
• roboti zjišťují, zda se stránka mění (a pokud ano, vracejí se na stránku častěji);
• roboti málokdy stahují pomocné stránky (styly, obrázky, javascript).

Pokud tedy chcete, aby se robot na stránku dostal, musíte mu ji dobře zpřístupnit

Povolení a zakázání přístupu robotů

1. pro celý server najednou: pomocí souboru robots.txt. Soubor musí být přímo v kořeni webu (nelze tedy takto zakázat přístup na sdílených webech, např. zde na fakultě).

   Příklad souboru robots.txt

   User-agent: *
   Disallow: /tento/adresar/
   Disallow: /zdrojova/data/
   
   User-agent: Googlebot
   Disallow: /sem/nechod/
   
   User-agent: SeznamBot
   Disallow: /

   V tomto příkladě mají všichni roboti (s výjimkou Google a Seznamu) zakázáno prohledávat adresáře /tento/adresar/ a /zdrojova/data/, do ostatních mohou. Pro Google a Seznam máme zvláštní pravidla: Google nemůže do adresáře /sem/nechod/, ale do zbylých ano (neplatí pro něj ani předchozí dva zákazy), Seznam nemůže nikam (všechny adresáře na webu začínají lomítkem).

2. Pomocí META elementu v hlavičce stránky

         <meta name="robots" content="noindex, nofollow">

Povolené hodnoty:

• noindex: obsah stránky nebude indexován;
• nofolow: odkazy nebudou sledovány.
• index (výchozí): obsah stránky bude zaindexován;
• folow (výchozí): odkazy budou sledovány;
• all: vše, tj. totéž jako index,follow;
3. Pro konkrétní odkaz: pomocí atributu rel="nofollow". Takový odkaz nebude robot následovat, ani jej nezařadí do databáze.

   <a href="http://www.example.com/" rel="nofollow">Tenhle odkaz ignoruj.</a>