Formato nuevo
Robots.txt para Joomla: reglas y una plantilla cuidadosa
`robots.txt` vive en la raíz del sitio (`https://example.com/robots.txt`) e indica a los crawlers qué rutas saltar. En Joomla sueles bloquear `/administrator/`, carpetas del sistema del core y parámetros ruidosos de URL.
Abajo: qué significan las directivas y puntos de partida sensatos para Joomla. No pegues una lista «perfecta» de Joomla 3.x en Joomla 4/5 — cambian rutas, SEF y componentes. El archivo no sustituye noindex y no pondrá un núcleo de queries en primera página en una semana.
Por qué robots.txt en Joomla
Joomla expone muchas URLs de sistema: admin, componentes, parámetros de impresión, votos, colas de idioma. Sin reglas, los bots queman crawl budget en basura y a veces meten duplicados en resultados.
El archivo no «rankea» el sitio solo. Corta ruido. Un Disallow malo puede ocultar secciones que necesitas — así que tras editar, revisa las tools de webmaster.
Suele bloquearse:
- admin `/administrator/`
- directorios del sistema del core
- parámetros tech (print, mailto, vote y similares)
- duplicados obvios como `index2.php` — caso a caso
Directivas principales
`User-agent: *` fija reglas para todos los bots; usa bloques aparte para Yandex o Googlebot cuando haga falta. `Disallow` bloquea una ruta al crawl; `Allow` abre excepciones. `Sitemap:` apunta al sitemap XML.
`Crawl-delay` se usaba en hosting flojo; soporte y sentido difieren por bot — no lo trates como obligatorio. `Clean-param` (Yandex) ayuda con parámetros GET ruidosos cuando de verdad generan duplicados.
Qué recordar
| Directiva | Significado |
|---|---|
| User-agent | Para quién es el bloque de reglas |
| Disallow / Allow | Bloquear o permitir rastrear rutas |
| Sitemap | URL del sitemap XML |
| Crawl-delay | Pausa entre requests (no siempre útil) |
| Clean-param | Ignorar «ruido» de query (Yandex) |
Hitos de rutas para Joomla
Un set de partida habitual: bloquear `/administrator/`, `/cache/`, `/cli/` (si existe), `/includes/`, `/language/`, `/libraries/`, `/logs/`, `/tmp/` y parámetros tech típicos (`print`, `mailto`, votos). Ajusta la lista exacta a tu versión de Joomla y al SEF.
Reglas agresivas tipo «todo con `?`» o todo `/media/` ayudan en unos sitios y rompen URLs necesarias en otros. Mejor iterar: cerrar basura de sistema → revisar cobertura en paneles → afinar.
Mínimo antes de publicar:
- el admin está cerrado al crawl
- el sitemap figura en `Sitemap:`
- secciones importantes no están bloqueadas por accidente
- el espejo principal está fijado con redirects HTTPS/www
- el archivo se sirve como `text/plain` desde la raíz
Marco de ejemplo (no dogma)
Abajo un esqueleto didáctico — no «copiar y olvidar». Pon el dominio de tu sitemap y adapta las líneas a tu versión de Joomla y a los duplicados reales.
Ideas de líneas:
- `User-agent: *`
- `Disallow: /administrator/`
- `Disallow: /cache/`
- `Disallow: /tmp/`
- `Disallow: /*format=`
- `Disallow: /*print=`
- `Sitemap: https://example.com/sitemap.xml`
Comprobaciones tras publicar
Abre `/robots.txt` en una ventana privada. Valida la sintaxis en Yandex Webmaster y en los informes de Google Search Console. Confirma que landings importantes no están bajo Disallow.
Si una página debe quedarse fuera del índice pero aún tiene enlaces entrantes, añade noindex — no te apoyes solo en robots.txt.
Conclusiones
En Joomla, `robots.txt` es higiene de crawl para rutas y parámetros de sistema — no una palanca de ranking. Adapta cualquier plantilla a tu versión de CMS y verifícala en paneles de webmaster.
Principios generales de desindexación y Disallow vs noindex viven en una guía aparte; las plantillas orientadas a WordPress están en el artículo relacionado de robots.txt.
FAQ
¿Disallow significa «no indexar»?
No. Disallow pide a los bots no rastrear una URL. Para mantener una página fuera del índice, meta robots o X-Robots-Tag noindex es más fiable (y seguible). Ver el artículo de desindexación.
¿Dónde vive el archivo en Joomla?
En la raíz del servidor web junto a `index.php`, no bajo `/administrator/`. Tras editar, abre `/robots.txt` en el navegador y en Webmaster Tools / Search Console.
¿Sigue haciendo falta Host?
Host apuntaba a Yandex un host preferido. Hoy importan 301s correctos, HTTPS y el host preferido en los paneles. No te apoyes solo en una línea Host de una plantilla de 2018.
¿Debo bloquear /media/ y /templates/?
Depende. Esas carpetas a veces tienen assets usados en snippets. Prueba; un ban a ciegas «como en el artículo» puede doler.
¿Una plantilla de robots.txt mejora rankings?
No de forma directa. Es higiene de crawl. Crecer un núcleo competitivo de queries es trabajo aparte — normalmente planificado en 2–6 meses tras una base técnica sana.
¿Robots.txt de Joomla pegado de un post 3.3?
Adaptamos Disallow a tu versión y SEF — Sitemap HTTPS, sin muro a ciegas ni Host como único espejo.
Hablar del proyecto
