Ochrana před indexací (pojistka pro neprodukční prostředí)

Stagingová nebo místní kopie webu, která se dostane do Googlu, patří mezi nejčastější a nejškodlivější chyby SEO: duplicitní obsah soupeří se skutečnými stránkami, soukromé prostředí je v indexu a úklid pomocí nástroje pro odstranění URL trvá týdny. Typickou příčinou je noindex závislé jen na zapomenuté hodnotě v .env nebo pravidlo pro roboty přepsané při nasazení.

Ochrana před indexací tomuto scénáři předchází už svým návrhem. Indexovatelnost váže na prostředí Laravelu místo příznaku, na který musí někdo pamatovat: pokud aplikace běží mimo seznam povolených prostředí, každá stránka dostane vynucené noindex,nofollow, spravovaný robots.txt zablokuje všechny roboty a seo:audit na tento stav výrazně upozorní.

Jde o bezplatnou funkci balíčku Core.

Co se děje při aktivní ochraně

Pokud app()->environment() není v seo.indexing_guard.allowed_environments a ochrana je zapnutá, automaticky nastanou čtyři věci:

1. Resolver vynutí noindex,nofollow na každé stránce. Toto pravidlo stojí nad celým řetězcem priorit a přepíše i výslovnou hodnotu robots uloženou pro konkrétní stránku v seo_meta.
2. HTTP hlavička X-Robots-Tag: noindex,nofollow se odešle s každou odpovědí procházející aplikací — viz níže Odpovědi mimo HTML.
3. SEO::robotsTxt()->build() vytvoří robots.txt zakazující vše (a také ai.txt): prosté User-agent: * / Disallow: /. Platí to pro příkaz seo:robots-txt i volitelnou dynamickou trasu.
4. seo:audit zobrazí výrazné upozornění, aby vás při čtení reportu nepřekvapilo, že je všude noindex.

V povolených prostředích (ve výchozím nastavení production) je ochrana zcela nečinná: výstup se nemění a vykreslení zůstává totožné bajt po bajtu.

Odpovědi mimo HTML (PDF, kanály, obrázky)

Vynucená meta značka robots se dostane jen k robotům, kteří zpracovávají HTML. PDF, kanál RSS/Atom, obrázek ani jiná odpověď mimo HTML žádný <head> nemají. Aktivní ochrana proto prostřednictvím globálního middlewaru odesílá stejnou direktivu také v HTTP hlavičce:

X-Robots-Tag: noindex,nofollow

Hlavička i meta značka vycházejí ze stejného zdroje, takže si nemohou odporovat. Hlavička je v rámci ochrany ve výchozím nastavení zapnutá (samotná ochrana vyžaduje zapnutí a v povolených prostředích je nečinná). Pokud chcete ponechat pouze meta značku, vypněte ji:

'indexing_guard' => [
    'send_header' => env('SEO_INDEXING_GUARD_HEADER', true),
],

Middleware se registruje jen při zapnuté ochraně. S vypnutou ochranou tedy balíček do zásobníku middlewaru nic nepřidává.

Statické soubory obcházejí PHP

Soubor, který webový server vrací přímo z public/, do Laravelu vůbec nevstoupí, a tuto hlavičku proto nedostane. Takové soubory chraňte na okraji infrastruktury (konfigurací webového serveru nebo CDN). Ochrana pokrývá vše, co prochází aplikací.

Proč přepisuje výslovnou hodnotu robots

V ostatních částech Rankbeamu vyhrává výslovně uložená hodnota — právě k tomu slouží řetězec priorit. Ochrana je jedinou záměrnou výjimkou a stojí nad vrstvou výslovných hodnot, protože riziko zde existuje jen jedním směrem:

• Stagingová databáze bývá kopií produkční databáze. Stránka s uloženým index,follow by si proto tuto direktivu přinesla i na staging a požádala o indexaci.
• Chybná indexace stagingu je vážný problém; chybné nastavení noindex na stagingu nic nezmění. Ochrana tak tvoří nepřekročitelnou hranici pro uložené hodnoty právě v prostředích, která indexovat nechcete.

Zapnutí

Ochrana je po instalaci vypnutá. Instalace ani aktualizace balíčku tedy bez vašeho souhlasu nezmění výstup neprodukčního prostředí. Platí stejná zásada zachování bajtově totožného výstupu až do výslovného zapnutí jako u blank_is_unset v resolveru a generovaných OG obrázků. Zapnete ji jedním řádkem:

SEO_INDEXING_GUARD=true

S výchozím seznamem povolených prostředí zůstává production beze změny, takže ochranu můžete ponechat zapnutou ve sdílené konfiguraci. Ověřte, že seznam obsahuje všechna prostředí, která chcete indexovat. Zapnutí důrazně doporučujeme; pro Core 4 se zvažuje zapnutí ve výchozím nastavení.

Vypnete ji opět jedním řádkem:

SEO_INDEXING_GUARD=false

Výběr prostředí, která se smějí indexovat

Ve výchozím nastavení je povoleno pouze production. Seznam přepíšete proměnnou prostředí s hodnotami oddělenými čárkami:

# Let a public preview environment index too
SEO_INDEXING_GUARD_ALLOWED="production,prod-eu"

Nebo v config/seo.php:

'indexing_guard' => [
    'enabled' => env('SEO_INDEXING_GUARD', false),
    'allowed_environments' => ['production', 'prod-eu'],
],

Položky se porovnávají pomocí Str::is(), takže fungují i zástupné znaky: 'prod*' odpovídá production i prod-eu:

'allowed_environments' => ['prod*'],

Prázdný seznam znamená, že se nesmí indexovat žádné prostředí — ochrana je aktivní všude, tedy v bezpečnějším směru. Pozor: prázdná hodnota proměnné SEO_INDEXING_GUARD_ALLOWED, včetně samotných mezer, se nahradí hodnotou ['production'], aby překlep nemohl nepozorovaně vyřadit produkci z indexu. Pokud opravdu chcete ochranu „všude“, zapište do konfigurace výslovně [].

Ověření

seo:audit zobrazí upozornění a ve výstupu --json uvede strojově čitelný stav:

php artisan seo:audit --json

{
    "indexing_guard": {
        "active": true,
        "environment": "staging",
        "allowed_environments": ["production"],
        "directive": "noindex,nofollow"
    },
    "pages": [ /* ... */ ]
}

A takto vypadá obsluhovaný nebo vygenerovaný robots.txt v chráněném prostředí:

# robots.txt — managed by Rankbeam
# Indexing guard ACTIVE: this app is running in the "staging" environment,
# which is not in seo.indexing_guard.allowed_environments. Every crawler is
# disallowed so this non-production site stays out of search results.
# https://rankbeam.dev/guide/indexing-guard

User-agent: *
Disallow: /

Rozsah

Ochrana řídí direktivy pro indexaci: meta značku robots, hlavičku X-Robots-Tag a robots.txt. Nemění titulky, popisy, kanonické URL ani schéma. Je nezávislá na zásadách vykreslování robots (seo.robots.emit_default): protože se noindex,nofollow liší od výchozí hodnoty webu, značka se vykreslí vždy.