A minha página pode ser indexada?
Cole o endereço de uma página. Lemos tudo o que um motor consulta antes de a indexar, pela ordem em que o faz, e dizemos-lhe se o Google e o Bing a podem indexar e, se não, o que o impede. Saber se já está no índice cabe à Search Console.
Como ler este resultado
Uma página entra num motor de pesquisa passando cinco controlos, sempre pela mesma ordem. O primeiro que falha decide, e é por isso que uma ferramenta que só olha para um deles se engana tantas vezes.
| Ordem | O que o motor verifica | O que bloqueia |
|---|---|---|
| 1 | O robots.txt do site | uma regra Disallow que abrange o endereço, ou um erro de servidor no próprio ficheiro |
| 2 | O código HTTP da página | 404, 410, 500 e qualquer outro erro; um redirecionamento passa o controlo à página de chegada |
| 3 | O cabeçalho X-Robots-Tag | noindex ou none, para todos os rastreadores ou para este |
| 4 | A etiqueta meta robots | noindex ou none, em robots, googlebot ou bingbot |
| 5 | A canonical | outro endereço indicado como o correto: o motor indexa antes esse |
A armadilha mais comum: robots.txt e noindex juntos
Para retirar uma página dos resultados, muitos colocam um noindex e, por precaução, proíbem-na também no robots.txt. O motor deixa de ter o direito de descarregar a página, nunca vê o noindex e pode continuar a mostrar o endereço indefinidamente. O gesto certo é o inverso: deixar a página rastreável, com o seu noindex, até que saia.
«Nada impede a indexação» não quer dizer «indexada»
Esta ferramenta verifica os obstáculos técnicos. Não sabe se o Google decidiu guardar a página: um motor também descarta páginas demasiado pobres, demasiado parecidas com outra, ou às quais nenhum link o leva. Para essa resposta, só a Search Console faz fé.
Os motivos da Search Console, e o que esta ferramenta verifica
O relatório de indexação de páginas da Search Console arruma cada endereço excluído sob um motivo. Os que têm uma causa técnica verificam-se aqui, sem acesso à conta, e o veredicto acima diz se a causa ainda lá está:
| Motivo indicado pela Search Console | O que a ferramenta verifica |
|---|---|
| Excluída pela tag «noindex», ou URL marcado como «noindex» | a meta tag robots e o cabeçalho X-Robots-Tag, para o Googlebot e para o Bingbot |
| URL bloqueado pelo arquivo robots.txt | a regra do robots.txt que abrange o endereço, grupo a grupo |
| Página indexada, mas bloqueada pelo robots.txt | o mesmo bloqueio: o Google conhece o endereço por ligações, mas não o pode ler |
| Página alternativa com tag canônica adequada | a canonical e o estado da página que designa |
| Página com redirecionamento | cada salto da cadeia, até à página final |
| Não encontrado (404), Erro no servidor (5xx) | o código HTTP da página |
| Rastreada, mas ainda não indexada; Detectada, mas não indexada no momento | nada técnico: é uma decisão do motor. Se a ferramenta não encontrar nenhum obstáculo, a causa está no conteúdo ou nas ligações internas. |
O que esta ferramenta não faz
- Não diz se a página está realmente indexada: diz se algo o impede. Só a Search Console conhece a resposta.
- Não vê o que a página se torna depois de executado o JavaScript: uma página construída por um script é assinalada, não renderizada.
- Não verifica a presença da página no sitemap: lê-lo por inteiro custaria dezenas de pedidos para uma caixa de verificação.
Perguntas frequentes
A minha página é permitida em todo o lado mas não aparece no Google. Porquê?
Porque a autorização não basta. O Google pode ainda não a ter descoberto (nenhum link aponta para ela, não está no sitemap), tê-la considerado demasiado parecida com outra página, ou demasiado pobre para a guardar. A Search Console, na secção Páginas, diz qual destes motivos se aplica.
Qual é a diferença entre robots.txt e noindex?
O robots.txt proíbe ler a página; o noindex proíbe mantê-la nos resultados. Para que um noindex funcione, o motor tem de conseguir ler a página: os dois não se combinam.
O que é o cabeçalho X-Robots-Tag?
Uma instrução de indexação enviada pelo servidor com a página, em vez de estar escrita dentro dela. Faz exatamente o mesmo que uma etiqueta meta robots, mas não se vê ao mostrar o código-fonte: é por isso que um noindex esquecido da pré-produção sobrevive tantas vezes à publicação.
O Google respeita sempre a canonical?
Não, é uma indicação e não uma ordem. O Google segue-a quase sempre quando é coerente, e ignora-a quando indica uma página em erro, uma página em noindex ou uma página sem relação. Uma canonical para si mesma não custa nada e elimina qualquer ambiguidade.
Como sei se a minha página está realmente indexada no Google?
A resposta oficial está na Search Console: cole o endereço na barra de inspeção de URL, no topo do ecrã, e ela diz-lhe se a página está no índice e, se não, porquê. Sem acesso à conta, uma pesquisa site: seguida do endereço exato dá uma pista: se a página aparece, está indexada; se não aparece, isso não prova nada. Esta ferramenta responde à pergunta anterior: se não está, há um obstáculo técnico que a impede?
O que significa «Rastreada, mas ainda não indexada»?
Que o Google leu a página e decidiu não a guardar, por agora. Nenhum obstáculo técnico está em causa: é um juízo sobre a página, quase sempre um conteúdo demasiado pobre, demasiado parecido com outra página ou com poucas ligações internas. «Detectada, mas não indexada no momento» quer dizer que o Google conhece o endereço sem o ter lido ainda. Em ambos os casos, se esta ferramenta não encontrar nenhum obstáculo, é o conteúdo e as ligações internas que há que trabalhar, não a técnica.
Como peço ao Google para indexar a minha página?
Na Search Console, inspecione o endereço e clique em «Pedir indexação»: o Google coloca-o na fila de rastreio, sem prometer guardá-lo. Para o Bing, as Bing Webmaster Tools permitem submeter endereços, e o protocolo IndexNow fá-lo automaticamente a partir da maioria dos CMS. Verifique aqui primeiro que nada bloqueia a página: pedir a indexação de uma página com noindex não serve de nada.
As outras ferramentas
Testar o robots.txt
Se o robots.txt do site permite rastrear este endereço.
Gerador de robots.txt
Um robots.txt escrito para o seu site, rastreadores de IA incluídos, testado antes de ser publicado.
Pré-visualização no Google e nas redes sociais
O seu título e a sua descrição tal como o Google, o Bing, o Facebook, o LinkedIn, o X e o WhatsApp os vão mostrar, medidos em píxeis.
Saber o dia em que uma página deixa de ser indexável
Com o plano Business, a Expansel volta a ler as suas páginas em cada passagem de monitorização e escreve-lhe no dia em que uma publicação acrescenta um noindex, fecha o robots.txt, muda a canonical ou remove o title.