Se ha indexado aunque un archivo robots.txt la tenía bloqueada: qué hacer

"Se ha indexado aunque un archivo robots.txt la tenía bloqueada" significa que Google incluyó una URL en su índice sin leer la página, porque su robots.txt prohíbe rastrearla mientras otros enlaces siguen apuntando a ella. El resultado suele mostrarse con poca o ninguna descripción. Que sea un problema depende de una sola decisión: si la página debe posicionarse, quite el bloqueo; si debe quedarse fuera de la búsqueda, robots.txt es la herramienta equivocada, y la solución es permitir el rastreo y usar noindex.

En la interfaz de Search Console en inglés, el mismo estado aparece como "Indexed, though blocked by robots.txt", y en la alemana, como "Indexiert, obwohl durch robots.txt-Datei blockiert".

Qué significa este estado según Google

La documentación de Google sobre el informe "Indexación de páginas" (consultada en octubre de 2026) describe el estado en una línea: la página se indexó pese a estar bloqueada por el archivo robots.txt del sitio. Añade que Google siempre respeta robots.txt, pero que eso no impide necesariamente la indexación si otra persona enlaza a la página: Google no solicita la página e indexa la URL con la información de la página que la enlaza.

Google clasifica este estado como advertencia, no como error. Su documentación indica que las advertencias no impiden que una página se indexe, pero reducen la capacidad de Google para entenderla e indexarla. La URL está en el índice. Lo que falta es todo lo que Google habría sabido al descargarla: el título tal como usted lo escribió, el texto, los datos estructurados y cualquier metaetiqueta robots.

La documentación también indica que el fragmento de una página así probablemente será muy limitado. La introducción de Google a robots.txt es más directa: una URL bloqueada puede seguir apareciendo en los resultados, pero el resultado no tendrá descripción.

Cómo acaba indexada una página bloqueada

robots.txt controla el rastreo. No controla la indexación. La propia introducción de Google a robots.txt indica que sirve principalmente para evitar que un sitio se sobrecargue de solicitudes y que no es un mecanismo para mantener una página fuera de Google.

sequenceDiagram
    participant L as Enlace a la URL
    participant G as Googlebot
    participant R as robots.txt
    participant I as Índice de Google
    L->>G: URL descubierta
    G->>R: ¿Está permitida esta ruta?
    R-->>G: Coincide un Disallow
    Note over G: La página nunca se descarga, así que ningún noindex se lee
    G->>I: URL indexada a partir de las señales de los enlaces
    I-->>I: Listada con poca o ninguna descripción

Por eso una configuración bienintencionada sale al revés. Un equipo quiere sacar una página de la búsqueda, añade una etiqueta noindex y, para asegurarse, bloquea además la ruta en robots.txt. El bloqueo impide que Google descargue la página, así que el noindex nunca se lee. La documentación de Google sobre cómo bloquear la indexación lo dice claramente: para que noindex funcione, la página no debe estar bloqueada por robots.txt.

Las 5 causas habituales

1. Un bloqueo deliberado en páginas que siguen enlazadas. Los resultados de búsqueda interna, las URLs de listados filtrados y ordenados, las páginas de carrito y de cuenta, y las rutas de administración se bloquean habitualmente. Cuando su navegación, su sitemap u otro sitio las enlaza, Google sabe que esas URLs existen y puede indexar algunas. WordPress, por ejemplo, genera un robots.txt que bloquea su ruta de administración cuando el sitio no tiene un archivo robots.txt propio, así que una URL de administración que reciba enlaces puede aparecer con este estado.

2. noindex y Disallow en la misma página. Es la configuración descrita arriba: 2 instrucciones en 1 URL. Produce justo el resultado que pretendía evitar.

3. Una regla más amplia de lo previsto. Las rutas de robots.txt coinciden desde el principio de la ruta de la URL, y la coincidencia distingue entre mayúsculas y minúsculas. Disallow: /shop bloquea /shop/, pero también /shop-guide/ y /shopping-tips/. Un prefijo corto pensado para una sección puede atrapar páginas de contenido de otra.

4. El sitemap incluye URLs bloqueadas. Un sitemap le dice a Google que una URL existe y que importa, y robots.txt prohíbe después rastrearla. En 29 sitios web externos enviados para una auditoría de SEOReport cuyas páginas del sitemap descargamos entre mayo y octubre de 2026, 2 (7%) incluían en su sitemap URLs que su propio robots.txt bloquea. En esos mismos 29 sitios, 8 (28%) tenían al menos una URL en el sitemap que redirige, está marcada como noindex o está bloqueada por robots.txt.

5. Un bloqueo de todo el sitio cuando el sitio ya estaba indexado. Un robots.txt de staging con Disallow: / copiado a producción no elimina las páginas que Google ya conoce. Pueden seguir apareciendo con poca o ninguna descripción, porque Google ya no puede leerlas.

¿Es un problema? Corregir, corregir de otra forma o dejarlo

La respuesta depende de para qué sirve la página, no del estado en sí.

La tercera fila es un equilibrio real. Si bloquea millones de URLs con parámetros para proteger su servidor, desbloquearlas para que Google pueda leer un noindex atrae justo el rastreo que quería evitar. Unas pocas URLs de ese tipo en esta advertencia, sin impresiones, suelen ser aceptables. Una página de contenido con este estado siempre requiere corrección: Google no la ha leído, y aparece sin descripción que le gane el clic.

flowchart TD
    A["Se ha indexado aunque un archivo robots.txt la tenía bloqueada"] --> B{"¿Debe aparecer esta página en la búsqueda?"}
    B -->|sí| C["Encuentre la regla que la bloquea"]
    C --> D["Compruebe si la página tiene un noindex oculto"]
    D --> E["Quite o acote la regla"]
    B -->|no| F{"¿El bloqueo sirve para limitar la carga de rastreo?"}
    F -->|no| G["Permita el rastreo y añada noindex"]
    F -->|sí| H["Déjelo, deje de enlazarla y quítela del sitemap"]
    G --> I["Opcional: herramienta de retiradas durante unos 6 meses"]
    E --> J["Validar corrección en Search Console"]
    G --> J

Cómo confirmar la causa de una URL concreta

Ejecute Inspección de URLs sobre la URL afectada. En los detalles de indexación de la página, "¿Se permite el rastreo?" le dice si una regla de robots.txt bloquea a Google, y en una prueba en directo "Obtención de página" muestra un fallo para una URL bloqueada. "Página de referencia" y "Sitemaps", en esa misma sección, muestran cómo pudo encontrar Google la URL, lo que le indica qué enlace o qué entrada del sitemap la mantiene conocida. Aquí no haga caso de "¿Se permite la indexación?": la ayuda de Google señala que siempre muestra "Sí" para una página bloqueada, porque Google no puede ver un noindex en una página que no puede descargar.

Encuentre la regla exacta. Abra el robots.txt en la raíz del host, protocolo y puerto exactos que sirven la URL, porque las reglas de cada archivo solo se aplican ahí:

curl -s https://www.example.com/robots.txt

Después, léalo como lo hace Google, según su especificación de robots.txt:

• Googlebot solo sigue el grupo User-agent coincidente más específico. Si su archivo tiene un grupo User-agent: Googlebot, Googlebot ignora por completo el grupo User-agent: *.
• Dentro de ese grupo, gana la regla con la ruta coincidente más larga. Cuando un Allow y un Disallow coinciden por igual, Google aplica el menos restrictivo.
• * coincide con cualquier secuencia de caracteres y $ marca el final de la URL.

El informe de robots.txt de Search Console enumera los archivos robots.txt que Google encontró para los 20 hosts principales de su sitio, cuándo se rastreó cada uno por última vez y cualquier advertencia o error que contengan. Así detecta el caso en que Google lee una versión distinta de la que usted está editando.

Compruebe qué hay detrás del bloqueo. Antes de desbloquear nada, mire lo que verá Google cuando pueda descargar la página:

curl -sI https://www.example.com/page/ | grep -i x-robots-tag
curl -s https://www.example.com/page/ | grep -i '<meta name="robots"'

Una página bloqueada durante meses puede llevar un noindex olvidado, una redirección o un 404 que nadie notó, porque nadie podía verlo.

La solución para cada caso

La página debe indexarse. Elimine o acote la regla Disallow. Si sigue necesitando una regla amplia, añada una regla Allow más larga para las páginas que deben rastrearse:

User-agent: *
Disallow: /shop/
Allow: /shop/guides/

/shop/guides/ es la coincidencia más larga, así que gana para esas URLs, mientras el resto de /shop/ sigue bloqueado. Mantenga la URL en su sitemap y en sus enlaces internos.

La página debe quedarse fuera de la búsqueda. Quite la regla Disallow para esa página y añada una directiva noindex:

<meta name="robots" content="noindex">

Para los PDF y otros archivos que no son HTML, envíe la directiva como encabezado de respuesta:

X-Robots-Tag: noindex

Quite también la URL de su sitemap. Cuando Google vuelva a rastrear la página y lea el noindex, la URL saldrá del índice y pasará a «La URL se ha marcado como "noindex"», dentro del grupo "Sin indexar", que es el estado final correcto. Deje la página rastreable. Si vuelve a bloquearla, el noindex se vuelve invisible y los enlaces pueden traer de vuelta la URL con la misma advertencia. Eliminar la página con un 404 o un 410, o ponerla detrás de un inicio de sesión, son las otras opciones permanentes que indica Google. La herramienta de retiradas de Search Console oculta una URL durante unos 6 meses; la ayuda de Google indica que la herramienta, por sí sola, no es una retirada permanente.

El bloqueo existe para controlar el rastreo. Mantenga la regla, deje de enlazar esas URLs desde sus plantillas y manténgalas fuera del sitemap, para no anunciar lo que prohíbe.

Cómo validar la corrección

Google suele almacenar en caché robots.txt durante un máximo de 24 horas. Después de cambiar el archivo, puede solicitar que se vuelva a rastrear desde el informe de robots.txt. Luego ejecute una prueba en directo en Inspección de URLs: "¿Se permite el rastreo?" debería indicar ahora que sí. Para una página que quiera indexar, use "Solicitar indexación".

Cuando haya resuelto todas las URLs afectadas, abra el problema en el informe "Indexación de páginas" y haga clic en "Validar corrección". La documentación de Google indica que la validación suele tardar hasta unas dos semanas y puede tardar mucho más. Cuente con días o semanas antes de que baje el recuento, y no vuelva a hacer clic en "Validar corrección" hasta que la validación en curso se haya superado o haya fallado.

El estado es fácil de pasar por alto desde un navegador o desde un chat con un asistente, porque la página en sí parece normal; el conflicto está en un archivo aparte, una laguna que explicamos en lo que realmente ve un agente de IA cuando revisa su página. Search Console le dice qué URLs están afectadas. Un diagnóstico completo de SEOReport contrasta las páginas que incluye su sitemap con las reglas que su robots.txt fija para todos los rastreadores y nombra las que su sitemap anuncia mientras robots.txt las bloquea, que es la contradicción que hay detrás de muchas URLs que se indexan sin rastrearse. También señala un disallow para todo el sitio.

Preguntas frecuentes

¿Retirará Google por sí solo de la búsqueda una página bloqueada?

No de forma fiable. Google respeta el bloqueo, así que no puede leer nada que le indique que debe retirar la página, y los enlaces mantienen la URL conocida. Use noindex en una página rastreable, un 404 o un 410, o una protección con contraseña.

¿Perjudica este estado al resto de mi sitio?

La documentación de Google no describe ningún efecto sobre otras páginas. El coste es local: una URL indexada con poca o ninguna descripción, o una página que quería ocultar y que sigue apareciendo. En las URLs de control del rastreo sin presencia en la búsqueda, la advertencia es sobre todo estética.

¿En qué se diferencia de "El archivo robots.txt ha bloqueado la URL"?

Ambos estados proceden del mismo tipo de regla. "El archivo robots.txt ha bloqueado la URL" está en el grupo "Sin indexar": Google respetó el bloqueo y no indexó la URL. "Se ha indexado aunque un archivo robots.txt la tenía bloqueada" es una advertencia: Google indexó la URL de todos modos porque algo apunta a ella. Nuestra guía de robots.txt y acceso de rastreo explica las reglas en sí.

¿Puedo usar noindex dentro de robots.txt?

No. La especificación de robots.txt de Google solo admite cuatro campos: user-agent, allow, disallow y sitemap, así que una línea noindex en ese archivo se ignora. Ponga el noindex en la metaetiqueta robots de la página o en un encabezado de respuesta X-Robots-Tag, en una URL que Google pueda rastrear.

¿Por qué sigue apareciendo el estado después de quitar la regla?

Google tiene que volver a descargar robots.txt, volver a rastrear cada URL y después actualizar el informe. Si una prueba en directo en Inspección de URLs muestra que se permite el rastreo, el informe acabará poniéndose al día. La guía de indexabilidad de páginas y nuestro análisis de conflictos de indexabilidad entre noindex, robots.txt y etiquetas canónicas tratan las señales relacionadas.