AND THE WINNER IS...

Presentamos los Premios Allytech al Diseño Web 2006 !!!

Si sos diseñador, webmaster o titular de una web, a partir del 1° de octubre y hasta el 15 de noviembre podrás postular tus sitios web y ganar importantes premios:

-1er. Premio una PC Bangho con monitor LCD 15" Samsung 540N
-2do. Premio Un monitor LCD 15" Samsung 540N
-3er. Premio Una impresora multifunción Hewlett Packard PhotoSmart C3180

Además, del 4to. al 10mo. puesto menciones de honor con una bonificación de $150 en el abono de hosting.

Muy pronto recibirás las bases y condiciones del concurso... ¡no te quedes afuera!

SI SOS RESELLER DE ALLYTECH...  PREPARATE !

En octubre vuelven los desayunos de trabajo!
Te presentaremos, entre otras cosas:
- Como vender por Internet validando tarjetas de crédito online
- WebShop: te mostramos todos los secretos para armar tu propio carrito de compras y vender soluciones de e-commerce llave en mano.
- Te mostramos como montar una Radio Online
- Como tener tu propio Portal de Registro de dominios .com
- Nuevas funciones en el panel de distribuidores

Muy pronto recibirás la invitación a los desayunos 2006 de Allytech.

TUTORIAL DE ROBOTS.TXT: PARA QUÉ SIRVE Y CÓMO SE USA

Existen visitantes no deseados a los sitios web. No hablamos de seres humanos sino de programas que recorren la red acumulando información a costa de nuestro ancho de banda y de nuestra privacidad; a estos bichos los llamamos crawlers. Los hay buenos y malos: Googlebot, por ejemplo, lee las páginas para que puedan ser encontradas en Google, al igual que cualquier buscador. Pero otros... no se sabe muy bien a qué vienen.

Desde los principios de la Internet se llegó a un consenso en cómo dar reglas a estos robots, dado que mucha gente no quiere que la totalidad o algunas partes de su web sean indexados por buscadores. Para eso está el robots.txt, que es un fichero que contiene las normas de "buena educación" que deben seguir los crawlers. Es como las señales de tránsito que prohiben o habilitan el paso a las páginas; veamos cómo funciona este código de circulación.

Para empezar hay que crear un fichero de texto llamado robots.txt y colocarlo en el document root, es decir, en el primer directorio del dominio. Imaginemos que nuestra web se llama www.mi-dominio.com. Pues colocaremos el robots.txt de manera que sea visible en http://www.mi-dominio.com/robots.txt.
El formato de este fichero consiste en registros. Cada registro empieza por el nombre de un user-agent , dos puntos y una o varias líneas con el comando Disallow .
¡Atención! Hay que crear el robots.txt en modo Unix porque sino puede dar problemas. Hay muchos editores que permiten usar modo Unix en Windows, no se debe usar editores HTML o el Word.

El user-agent es el agente que nos visita (no, no es la policía; al menos no es probable). Agente se refiere al tipo de programa que nos visita, o al menos a cómo se identifica ese programa. Para especificar todos los agentes usamos un asterisco (*).
Ejemplo: si se quiere prohibir que entre cualquier tipo de crawler, da igual de dónde venga (de Google, de Yahoo, de la Universidad de Yale, etc...).
User-agent: *
Disallow: /
Es decir, esto indica "Seas el crawler que seas, sabé que no podés pasar a ninguna parte".

Si queremos dejar acceso libre a todos los crawler (si no se pone robots.txt es lo que se sobreentiende) se pondría:
User-agent: *
Disallow:
Es decir, "Seas el crawler que seas, sabá que podés mirar por donde quieras".

Ahora por ejemplo vamos a prohibir que los crawlers visiten nuestras imágenes y los cgi:
User-agent: *
Disallow: /cgi-bin/
Disallow: /images/

Otro ejemplo: le prohibimos a Googlebot que visite la página /productos.html :
User-agent: Googlebot
Disallow: productos.html

Así, en un robots.txt se pueden almacenar distintos registros (reglas) una tras otra para completar nuestra política de crawlers. Por ejemplo, el siguiente robots.txt:
User-agent: *
Disallow: /cgi-bin

User-agent: Feedster
Disallow: /feed.xml
Disallow: /feed-noticias.xml
Esto significa: "En general los crawlers pueden ver todo menos el directorio /cgi-bin/ y su contenido, y además en concreto Feedster no puede ver /feed.xml y /feed-noticias.xml.

Los crawlers standard (es decir, los buenos) seguirán obedientemente las indicaciones del robots.txt (lo leerán antes para saber qué pueden visitar). Existen sin embargo otros crawlers no standard o maliciosos que se dedican a saltarse los robots.txt. Por ejemplo, hay crawlers que recorren internet de link en link buscando direcciones de e-mail, anotándolas y siguiendo. Evidentemente esto no es legal, por lo que si de hecho están tomando e-mails para hacer SPAM...¿para qué iban a seguir las reglas? Pero bueno, para los crawlers normales sirve.