Heroku上用于登台服务器的不同robots.txt

Question

我在Heroku上有分期和制作应用程序.

对于crawler,我设置了robots.txt文件.

之后我收到了谷歌的消息.

尊敬的网站管理员:您网站的主机名https://www.myapp.com/与SSL证书中的任何"主题名称"都不匹配,即:
*.herokuapp.com
herokuapp.com

谷歌机器人读取我的临时应用程序上的robots.txt并发送此消息.因为我没有设置任何防止抓取工具读取文件的内容.

所以,我正在考虑的是在暂存和生产之间更改.gitignore文件,但我无法弄清楚如何做到这一点.

实现这个的最佳实践是什么？

编辑

我搜索了这篇文章并发现了这篇文章http://goo.gl/2ZHal

本文说要设置基本的Rack身份验证,您不需要关心robots.txt.

我不知道基本的auth可以阻止谷歌机器人.似乎这个解决方案更好地操纵.gitignore文件.

Answer 1

Rails 3的一个很好的解决方案是使用Rack.这是一篇很好的帖子,概述了这个过程:使用Rack提供不同的Robots.txt.总而言之,您将其添加到routes.rb:

 # config/routes.rb
 require 'robots_generator' # Rails 3 does not autoload files in lib 
 match "/robots.txt" => RobotsGenerator

然后在lib/robots_generator.rb中创建一个新文件

# lib/robots_generator.rb
class RobotsGenerator
  # Use the config/robots.txt in production.
  # Disallow everything for all other environments.
  # http://avandamiri.com/2011/10/11/serving-different-robots-using-rack.html
  def self.call(env)
    body = if Rails.env.production?
      File.read Rails.root.join('config', 'robots.txt')
    else
      "User-agent: *\nDisallow: /"
    end

    # Heroku can cache content for free using Varnish.
    headers = { 'Cache-Control' => "public, max-age=#{1.month.seconds.to_i}" }

    [200, headers, [body]]
  rescue Errno::ENOENT
    [404, {}, ['# A robots.txt is not configured']]
  end
end

最后确保将move robots.txt包含到配置文件夹中(或者在您的RobotsGenerator类中指定的任何位置).

Answer 2

那么/robots.txt使用控制器动作而不是静态文件动态提供呢？根据您允许或禁止搜索引擎索引应用程序的环境.