Retirada de URLs (2.ª parte): retirada de texto sensible de una página
Organízate con las colecciones
Guarda y clasifica el contenido según tus preferencias.
Viernes, 6 de agosto del 2010
Nada es definitivo. Habrá ocasiones, tal y como vimos en nuestra entrada anterior sobre la retirada de URLs, en las que te interese bloquear o eliminar por completo una página de tu sitio. Otras veces, puede que sólo cambies algunas partes de una página o elimines determinados fragmentos de texto. En función de la frecuencia con la que se rastrea una página, los cambios pueden tardar algún tiempo en reflejarse en los resultados de búsqueda. En esta entrada del blog, hablaremos sobre los pasos que puedes seguir si ves que en los resultados de búsqueda todavía mostramos contenido obsoleto previamente eliminado, tanto en forma de "fragmento" como en la página almacenada en caché a la que lleva el resultado de búsqueda. Sigue estas instrucciones cuando el contenido antiguo incluya información sensible que necesites retirar cuanto antes. Si lo que quieres es simplemente actualizar un sitio web de manera normal, no es necesario que sigas estos pasos.
A modo de ejemplo, te recomendamos que le eches un vistazo al siguiente resultado de búsqueda ficticio:
Walter E. Coyote
< Título
Jefe de desarrollo de la empresa Acme Corp entre 1948 y 2003: trabajó en el
dispositivo de alto secreto para la captura del Velocitus Incalculii que ha demostrado un gran potencial...
< Fragmento
www.example.com/about/waltercoyote - En caché
< URL + enlace a la página almacenada en caché
Para cambiar el contenido que se muestra en el fragmento (o que aparece en la página en caché asociada), primero tendrás que modificar el contenido de la página en sí (la página real). A menos que se cambie el contenido visible de manera pública en una página, los procesos automáticos de Google seguirán mostrando partes del contenido original en los resultados de búsqueda.
Una vez modificado el contenido de la página, hay varias opciones que permiten reflejar los cambios realizados en los resultados de búsqueda:
Espera a que el robot de Google vuelva a rastrear e indexar la página: es el método natural que se sigue para actualizar la mayoría del contenido de Google. A veces, el proceso puede ser bastante largo en función de la frecuencia con la que el robot de Google rastree la página en cuestión. Una vez rastreada e indexada la página, lo normal es que el contenido antiguo deje de estar visible y se sustituya por el contenido actualizado. Siempre y cuando el robot de Google no esté bloqueado (mediante el archivo robots.txt o debido a la imposibilidad de acceder correctamente al servidor) y pueda rastrear la página, no tendrás que hacer nada más. Por lo general, no se pueden agilizar los procesos de rastreo e indexación, ya que están totalmente automatizados y dependen de muchos factores externos.
Utiliza la herramienta de retirada de URLs públicas de Google para solicitar la retirada de contenido eliminado en la página web de otro usuario. Si usas esta herramienta, tendrás que introducir la URL exacta de la página modificada, seleccionar la opción "El contenido ya se ha eliminado de la página" y, a continuación, indicar una o más palabras que se hayan eliminado por completo de la página.
Ten en cuenta que ninguna de las palabras que introduzcas puede aparecer en la página. Aunque se haya eliminado una palabra de una parte de la página, se denegará tu solicitud si la palabra en cuestión aún aparece en otras secciones. Asegúrate de que seleccionas una palabra (o palabras) que ya no aparezcan en ninguna parte de la página. Si en el ejemplo anterior hubieras eliminado "top secret velocitus incalculii capturing device", tendrías que enviar esas palabras y no algo como "mi proyecto". Sin embargo, si la palabra "top" o "device" sigue estando en cualquier parte de la página, se rechazará la solicitud. Para aumentar las probabilidades de éxito, introduce una única palabra que sepas con seguridad que no va a aparecer en ninguna otra parte de la página.
Una vez procesada la solicitud y tras comprobar que las palabras introducidas no aparecen en ningún otro apartado de la página, el resultado de búsqueda dejará de mostrar un fragmento y la página almacenada en caché ya no estará disponible. El título y la URL de la página seguirán estando visibles y la entrada aún puede aparecer en resultados de búsqueda relacionados con el contenido eliminado (por ejemplo, búsquedas de velocitus incalculii), aunque estas palabras ya no se muestren en el fragmento. No obstante, tras volver a rastrear y a indexar la página, el nuevo fragmento y la nueva página almacenada en caché se podrán ver en los resultados de búsqueda.
Ten en cuenta que necesitaremos visualizar la página con el fin de comprobar que se haya(n) eliminado la(s) palabra(s). Si la página ya no existe y el servidor genera un código de resultado HTTP 404 o 410 que nos impide verla, te recomendamos que solicites la retirada de la página completa.
Utiliza la herramienta de retirada de URLs de Herramientas para webmasters de Google para solicitar la retirada de información de una página de tu sitio web Si tienes acceso a ese sitio web y has verificado su propiedad en Herramientas para webmasters de Google, podrás utilizar la herramienta de retirada de URLs (en Configuración del sitio > Acceso de rastreadores) para solicitar que se retiren el fragmento y la página almacenada en caché hasta que se vuelva a rastrear la página. Para usar esta herramienta, solo tienes que introducir la URL exacta de la página (no hace falta especificar las palabras eliminadas). Una vez procesada la solicitud, retiraremos el fragmento y la página almacenada en caché de los resultados de búsqueda. El título y la URL de la página seguirán estando visibles y la página puede seguir apareciendo en los resultados de búsquedas relacionadas con el contenido eliminado. Tras volver a rastrear y a indexar la página, se podrá ver el resultado de búsqueda con un fragmento y una página en caché actualizados (en función del nuevo contenido).
Google no sólo indexa y clasifica los elementos en función del contenido de una página, sino también de otros factores externos, como los enlaces internos a la URL. Así pues, es posible que una URL continúe apareciendo en los resultados de búsqueda relacionados con contenido que ya no se encuentra en la página, incluso después de volver a rastrearla y a indexarla. Aunque la herramienta de retirada de URLs puede retirar el fragmento y la página en caché de un resultado de búsqueda, no cambia ni elimina el título de ese resultado, ni tampoco modifica la URL que se muestra ni evita que la página aparezca al hacer búsquedas relacionadas con contenido antiguo o actual. Si para ti es importante eliminar ese contenido, asegúrate de que la URL cumpla los requisitos necesarios para la retirada total de los resultados de búsqueda.
Eliminación de contenido que no sea HTML
Si el contenido modificado no está en formato (X)HTML (por ejemplo, si se ha modificado una imagen, un archivo Flash o un archivo PDF), no podrás usar la herramienta de retirada de caché. Por lo tanto, si no quieres que el contenido antiguo aparezca en los resultados de búsqueda, la solución más rápida consiste en cambiar la URL del archivo para que la URL antigua genere un código de resultado HTTP 404 y usar la herramienta de retirada de URLs para eliminar la URL antigua. Por el contrario, si decides permitir que Google actualice la información de manera natural, debes saber que las vistas previas de contenido que no sea HTML (como enlaces de Vista rápida y archivos PDF) pueden tardar más en actualizarse tras el proceso de rastreo que las páginas HTML normales.
Prevención proactiva de la aparición de fragmentos o versiones en caché
Como webmaster, tienes la opción de utilizar etiquetas meta para evitar de manera proactiva la aparición de fragmentos o versiones en caché sin usar nuestras herramientas de retirada. A pesar de que no recomendamos que se aplique este procedimiento de manera sistemática (el fragmento puede ayudar a los usuarios a reconocer un resultado de búsqueda relevante con mayor rapidez, y una página almacenada en caché permite visualizar el contenido incluso en el caso de que el servidor no esté disponible de forma inesperada), puedes utilizar la etiqueta meta robots "nosnippet" para evitar que se muestre un fragmento o la etiqueta metarobots "noarchive" para inhabilitar el almacenamiento en caché de una página. Ten en cuenta que, si introduces estos cambios en páginas conocidas que no son nuevas, el robot de Google tendrá que volver a rastrearlas e indexarlas para que el cambio se haga visible en los resultados de búsqueda.
Esperamos que esta entrada del blog sirva para arrojar un poco de luz sobre los procesos de la herramienta de retirada de URLs para páginas actualizadas. En nuestra próxima entrada, hablaremos sobre las distintas maneras de solicitar la retirada de contenido de otros propietarios. ¡No te la pierdas!
[[["Es fácil de entender","easyToUnderstand","thumb-up"],["Me ofreció una solución al problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Me falta la información que necesito","missingTheInformationINeed","thumb-down"],["Es demasiado complicado o hay demasiados pasos","tooComplicatedTooManySteps","thumb-down"],["Está obsoleto","outOfDate","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Problema de muestras o código","samplesCodeIssue","thumb-down"],["Otro","otherDown","thumb-down"]],[],[[["\u003cp\u003eGoogle's search results may display outdated content even after a webpage has been updated.\u003c/p\u003e\n"],["\u003cp\u003eTo update Google's search results, you can wait for Google to recrawl the page, or request removal of the outdated content through Google's URL removal tool.\u003c/p\u003e\n"],["\u003cp\u003eIf you own the website, use Google Webmaster Tools to remove the snippet and cached page until Google recrawls the updated page.\u003c/p\u003e\n"],["\u003cp\u003eGoogle's URL removal tool does not prevent a page from ranking based on previous content, so for complete removal, consider the requirements for removal from search results altogether.\u003c/p\u003e\n"],["\u003cp\u003eTo prevent snippets or cached versions from appearing, use robots meta tags, but it's generally recommended to keep them for user experience.\u003c/p\u003e\n"]]],["To update outdated content in Google search results, first modify the live page. Then, either wait for Googlebot to re-crawl and re-index or use Google's URL removal tools. There are two options for URL removals: removing content from others' pages by specifying removed words or removing information from your own page via Google Webmaster Tools, without specifying removed words. For non-HTML content, change the file's URL. Lastly, webmasters can proactively prevent snippets and cached versions using robots meta tags.\n"],null,["# URL removals explained, part II: Removing sensitive text from a page\n\nFriday, August 06, 2010\n\n\nChange can happen---sometimes, as we saw in our\n[previous post on URL removals](/search/blog/2010/03/url-removal-explained-part-i-urls),\nyou may completely block or remove a page from your site. Other times you might only change parts\nof a page, or remove certain pieces of text. Depending on how frequently a page is being crawled,\nit can take some time before these changes get reflected in our search results. In this blog post\nwe'll look at the steps you can take if we're still showing old, removed content in our search\nresults, either in the form of a \"snippet\" or on the cached page that's linked to from the search\nresult. Doing this makes sense when the old content contains sensitive information that needs to\nbe removed quickly---it's not necessary to do this when you just update a website normally.\n\nAs an example, let's look at the following fictitious search result:\n\n|---------------------------------------------------------------------------------------------------------------------------------------------------|------------------------------|\n| **Walter** E. **Coyote** | \\\u003c Title |\n| Chief Development Officer at Acme Corp 1948-2003: worked on the top secret velocitus incalculii capturing device which has shown potential**...** | \\\u003c Snippet |\n| www.example.com/about/**waltercoyote** - Cached | \\\u003c URL + link to cached page |\n\n\nTo change the content shown in the snippet (or on the linked cached page),\n**you'll first need to change the content on the actual (live) page**. Unless a page's publicly\nvisible content is changed, Google's automatic processes will continue to show parts of the\noriginal content in our search results.\n\n\nOnce the page's content has been changed, there are several options available to make those\nchanges visible in our search results:\n\n1.\n **Wait for Googlebot to re-crawl and re-index the page**: This is the natural method for\n how most content is updated at Google. Sometimes it can take a fairly long time, depending on\n how frequently Googlebot currently crawls the page in question. Once we've re-crawled and\n re-indexed the page, the old content will usually not be visible as it'll be replaced by the\n current content. Provided Googlebot is not blocked from crawling the page in question (either\n by robots.txt or by not being able to access the server properly), you don't have to do\n anything special for this to take place. It's generally not possible to speed up crawling and\n indexing, as these processes are fully automated and depend on many external factors.\n\n2.\n Use\n [Google's public URL removal tool](https://www.google.com/webmasters/tools/removals)\n to **request removal of content that has been removed from someone else's webpage** . Using\n this tool, it's necessary to enter the\n [exact URL of the page](https://www.google.com/support/webmasters/bin/answer.py?answer=63758)\n that has been modified, select the \"Content has been removed from the page\" option, and then\n specify one or more words that have been completely removed from that page.\n\n\n Note that *none* of the words you enter can appear on the page; even if a word has been\n removed from one part of the page, your request will be denied if that word still appears on\n another part of the page. Be sure to choose a word (or words) that no longer appear\n *anywhere* on the page. If, in the above example, you removed\n \"top secret velocitus incalculii capturing device\", you should\n submit those words and not something like \"my project.\" However, if the word\n \"top\" or \"device\" still exists\n anywhere on the page, the request would be denied. To maximize your chances of success, it's\n often easiest to just enter one word that you're sure no longer appears anywhere on the page.\n\n\n Once your request has been processed and it's found that the submitted word(s) no longer\n appear on the page, the search result will no longer show a snippet, nor will the cached page\n be available. The title and the URL of the page will still be visible, and the entry may still\n appear in search results for searches related to the content that has been removed (such as\n searches for\n [velocitus incalculii](https://www.google.com/search?q=velocitus+incalculii)),\n even if those words no longer appear in the snippet. However, once the page has been\n re-crawled and re-indexed, the new snippet and cached page can be visible in our search\n results.\n\n\n Keep in mind that we will need to verify removal of the word(s) by viewing the page. If the\n page no longer exists and the server is returning a proper\n [`404` or `410` HTTP result code](https://en.wikipedia.org/wiki/List_of_HTTP_status_codes),\n making us unable to view the page, you may be better off\n [requesting removal of the page](/search/blog/2010/03/url-removal-explained-part-i-urls)\n altogether.\n3. Use Google Webmaster Tools URL removal tool to **request removal of information on a page from your website** . If you have access to the website in question and have verified ownership of it in [Google Webmaster Tools](https://search.google.com/search-console), you can use the URL removal tool there (under *Site Configuration \\\u003e Crawler access* ) to request that the snippet and the cached page be removed until the page has been re-crawled. To use this tool, you only need to submit the [exact URL of the page](https://www.google.com/support/webmasters/bin/answer.py?answer=63758) (you won't need to specify any removed words). Once your request has been processed, we'll remove the snippet and the cached page from search results. The title and the URL of the page will still be visible, and the page may also continue to rank in search results for queries related to content that has been removed. After the page has been re-crawled and re-indexed, the search result with an updated snippet and cached page (based on the new content) can be visible.\n\n\nGoogle indexes and ranks items based not only on the content of a page, but also on other external\nfactors, such as the inbound links to the URL. Because of this, it's possible for a URL to\ncontinue to appear in search results for content that no longer exists on the page, even after\nthe page has been re-crawled and re-indexed. While the URL removal tool can remove the snippet\nand the cached page from a search result, it will not change or remove the title of the search\nresult, change the URL that is shown, or prevent the page from being shown for searches based on\nany current or previous content. If this is important to you, you should make sure that the URL\nfulfills the requirements for a\n[complete removal from our search results](/search/blog/2010/03/url-removal-explained-part-i-urls).\n\nRemoving non-HTML content\n-------------------------\n\n\nIf the changed content is not in (X)HTML (for example if an image, a Flash file or a PDF file has\nbeen changed), you won't be able to use the cache removal tool. So if it's important that the old\ncontent no longer be visible in search results, the fastest solution would be to change the URL\nof the file so that the old URL returns a `404` HTTP result code and use the URL\nremoval tool to remove the old URL. Otherwise, if you chose to allow Google to naturally refresh\nyour information, know that previews of non-HTML content (such as\n[Quick View links for PDF files](https://googleblog.blogspot.com/2009/10/quickly-view-formatted-pdfs-in-your.html))\ncan take longer to update after recrawling than normal HTML pages would.\n\nProactively preventing the appearance of snippets or cached versions\n--------------------------------------------------------------------\n\n\nAs a webmaster, you have the option to use robots\n[`meta` tags](/search/docs/advanced/crawling/special-tags)\nto proactively prevent the appearance of snippets or cached versions without using our removal\ntools. While we don't recommend this as a default approach (the snippet can help users recognize a\nrelevant search result faster, and a cached page gives them the ability to view your content even\nin the unexpected event of your server not being available), you can use the \"nosnippet\" robots\n`meta` tag to\n[prevent showing of a snippet](/search/docs/crawling-indexing/robots-meta-tag#nosnippet),\nor the \"noarchive\" robots `meta` tag to disable caching of a page. Note that if this is changed on\nexisting and known pages, Googlebot will need to re-crawl and re-index those pages before this\nchange becomes visible in search results.\n\n\nWe hope this blog post helps to make some of the processes behind the URL removal tool for updated\npages a bit clearer. In our next blog post we'll look at ways to request removal of content that\nyou don't own; stay tuned!\n\n\nAs always, we welcome your feedback and questions in our\n[Webmaster Help Forum](https://support.google.com/webmasters/community/label?lid=5489e59697a233d7).\n\nOther posts of this series\n--------------------------\n\n- [Part I: Removing URLs and directories](/search/blog/2010/03/url-removal-explained-part-i-urls)\n- [Part II: Removing and updating cached content](/search/blog/2010/04/url-removals-explained-part-ii-removing)\n- [Part III: Removing content you don't own](/search/blog/2010/04/url-removal-explained-part-iii-removing)\n- [Part IV: Tracking requests, what not to remove](/search/blog/2010/05/url-removal-explained-part-iv-tracking)\n\n\nFinally, you might be also interested to read about\n[managing what information is available about you online](/search/blog/2009/10/managing-your-reputation-through-search).\n\n\nPosted by\n[John Mueller](https://twitter.com/JohnMu),\nWebmaster Trends Analyst, Google Switzerland"]]
