Comprobador de indexabilidad: cómo encontrar las páginas que los buscadores no pueden indexar
Una página puede verse perfecta en el navegador y aun así quedar fuera de Google por una cabecera, una metaetiqueta o una línea de robots.txt. Un comprobador de indexabilidad lee las señales que leen los buscadores y te dice, página a página, si cada URL se puede indexar y, si no, por qué. Estas son esas señales, cómo interactúan y cómo confirmar el resultado con las propias herramientas de Google.
Rastreable, indexable e indexada
Tres palabras se confunden constantemente, y un comprobador de indexabilidad solo responde a una de ellas:
- Rastreable: un buscador tiene permiso para descargar la URL. Lo decide robots.txt.
- Indexable: una vez descargada, nada en la página ni en sus cabeceras pide dejarla fuera del índice. Lo deciden el código de estado, el noindex y el canonical.
- Indexada: el buscador la guardó de verdad y puede mostrarla en los resultados. Solo el buscador lo sabe, así que solo sus propias herramientas pueden confirmarlo.
Una página puede ser rastreable y no indexable (tiene noindex), o indexable y aun así no estar indexada (Google la rastreó y decidió no guardarla). La página de Google sobre cómo funciona la Búsqueda explica los pasos de rastreo, indexación y publicación de resultados.
Las cinco señales que deciden la indexabilidad
| Señal | Indexable cuando | Dónde está |
|---|---|---|
| Código de estado | 200 | Respuesta HTTP |
| robots.txt | Ningún Disallow que coincida | /robots.txt |
| Directivas robots | Sin noindex ni none | Meta robots, X-Robots-Tag |
| Canonical | A sí misma, o ninguno | Link en el head, cabecera Link |
| Renderizado | Mismas etiquetas tras JavaScript | Página renderizada |
Si supera las cinco, la URL es indexable. Si falla una, no lo es. El comprobador debería decir cuál.
En nuestro propio sitio, el rastreo completo de seoprocheck.com con Neova del 17 de octubre de 2026 descargó 10.222 URL en 61 minutos. 4.561 eran páginas HTML que respondían 200. Solo esas podían superar la primera señal como páginas web, así que fueron las que se pusieron a prueba con las otras cuatro señales.
Códigos de estado y soft 404
Solo una URL que responde 200 se puede indexar como tal. La página de Google sobre los códigos de estado HTTP explica cada código.
| Estado | Se indexa como tal | Lo que hace Google |
|---|---|---|
| 200 | ✓ | Lee y puede indexar |
| 301, 308 | – | Sigue hasta el destino |
| 302, 307 | – | Sigue, señal canonical más débil |
| 404, 410 | – | Descarta la URL |
| 429, 5xx | – | Frena, descarta si persiste |
| Soft 404 (200) | – | La trata como página de error |
Un soft 404 responde 200 pero dice "no encontrada" o muestra un resultado vacío. Devuelve en su lugar un 404 o un 410 de verdad, y revisa las páginas 200 cuyo título o H1 parezcan un error.
Encontramos el error contrario en nuestro propio sitio. El 20 de noviembre de 2026, las direcciones desconocidas de neova.app respondían 503 desde una página de "próximamente" en lugar de 404. Un 503 le dice a Google que vuelva más tarde, así que las URL muertas nunca salen de su cola. Una página 404 real lo arregló. SEO ProCheck tiene una referencia SEO completa de los códigos de estado HTTP.
robots.txt bloquea el rastreo, no la indexación
Una regla Disallow impide que Google descargue una URL. No impide que Google indexe la dirección: la introducción a robots.txt de Google dice que una URL bloqueada aún puede aparecer en los resultados, sin descripción, si otras páginas la enlazan.
También significa que Google nunca ve nada de la página, incluido un noindex. Esta combinación es un error habitual:
robots.txt: Disallow: /old-offers/
page: <meta name="robots" content="noindex">
Result: Google cannot fetch the page, never reads the noindex,
and may keep the URL indexed from links.
Para sacar una página del índice, deja que Google la rastree y sirve noindex. Bloquéala en robots.txt solo cuando ya haya salido, si es que hace falta. La guía del probador de robots.txt muestra cómo probar las reglas.
Noindex, X-Robots-Tag y canonicals
La documentación de noindex de Google indica dos sitios para la directiva:
<meta name="robots" content="noindex">
X-Robots-Tag: noindex
La cabecera también funciona con PDF e imágenes. Si las dos no coinciden, Google aplica la más restrictiva, así que un noindex suelto en cualquiera de los dos sitios basta para dejar fuera una página. Los plugins, los ajustes de staging y las reglas de la CDN son fuentes habituales de noindex que nadie pretendía publicar. Cada valor y dónde se aplica está en la referencia de meta robots y X-Robots-Tag de SEO ProCheck.
Un canonical que indica otra URL le pide a Google que indexe esa URL en su lugar. Google lo trata como una pista fuerte, no como una regla, según su guía para consolidar URL duplicadas. Es correcto para duplicados reales y erróneo para una página con contenido propio. Los canonicals que apuntan a redirecciones, errores o páginas noindex envían señales contradictorias; la guía del comprobador de etiquetas canonical cubre esos casos.
El renderizado puede cambiar la respuesta
En los sitios hechos con JavaScript, el HTML original y la página renderizada pueden no coincidir. Un script puede añadir un noindex, quitarlo, cambiar el canonical o cargar el texto principal solo tras renderizar. Los conceptos básicos de SEO para JavaScript de Google señalan que, cuando el HTML original lleva noindex, Google puede saltarse el renderizado, así que un script que lo quite puede no ejecutarse nunca.
Mantén la metaetiqueta robots y el canonical en el HTML original, con los mismos valores que acaba teniendo la página renderizada. Un comprobador de indexabilidad que renderiza las páginas puede comparar las dos versiones y señalar la diferencia.
Confírmalo con Search Console
Un crawler te dice si una página se puede indexar. Google Search Console te dice si está indexada:
- Inspección de URLs muestra, para una URL, si está en Google, el canonical que eligió Google, el último rastreo y si se permitían el rastreo y la indexación. Probar URL publicada la vuelve a descargar ahora.
- El informe Indexación de páginas agrupa cada URL conocida por motivo, como Excluida por una etiqueta "noindex", Bloqueada por robots.txt, Página alternativa con etiqueta canónica adecuada, Duplicada, Google ha elegido una versión canónica diferente a la del usuario, Soft 404, Rastreada: actualmente sin indexar y Descubierta: actualmente sin indexar.
Compara las dos vistas. Las páginas que tu rastreo considera indexables y que Google indica como no indexadas son las que hay que estudiar: normalmente contenido pobre o duplicado, enlaces internos débiles o páginas a las que Google aún no ha llegado. SEO ProCheck enumera las causas de Rastreada: actualmente sin indexar y sus soluciones. Las páginas que Google indexó y que tu rastreo encuentra con noindex o con canonical a otra URL muestran un arreglo que Google aún no ha recogido, o una señal que se te escapó. Los enlaces internos débiles se tratan en la guía de la herramienta de enlazado interno, y el descubrimiento lento en sitios grandes, en crawl budget.
Revisa la indexabilidad con Neova
Neova marca cada URL como Indexable o no, y dice por qué: estado 200, sin noindex y un canonical a sí misma o ninguno. La categoría Indexabilidad reúne códigos de estado, noindex, canonicals, robots.txt y HTML que rompe el head antes de las etiquetas SEO. Con el Renderizado de JavaScript activado, cada página renderizada se compara con su HTML original. Con Google Search Console conectado, Neova lee el veredicto de la Inspección de URLs de Google para hasta 200 URL por rastreo, primero las más clicadas y después las más enlazadas, y señala las páginas indexables que Google no indexa o en las que Google eligió otro canonical. Entre las comprobaciones que hay detrás:

- Hay una directiva noindex y El noindex difiere entre el HTML y la cabecera HTTP
- URL interna bloqueada por robots.txt
- Canonical que apunta a otra URL interna y Canonical que apunta a una URL con noindex
- URL interna que devuelve 4xx, 5xx o no responde y La etiqueta title o el H1 llevan una frase de soft 404
- JavaScript elimina la directiva noindex
- URL con noindex incluida en un sitemap XML
- URL indexable que no está en Google, a partir de la Inspección de URLs
- URL con noindex que recibió clics en Search Console
La indexabilidad es el paso 3 y 4 de la checklist de auditoría SEO técnica. Consulta las Funciones o descarga Neova; el plan Free rastrea hasta 1.000 URL con todas las comprobaciones.
Preguntas
¿Qué es un comprobador de indexabilidad?
Una herramienta que lee las señales que usan los buscadores (código de estado, robots.txt, noindex, canonical y renderizado) e indica para cada URL si se puede indexar y, si no, qué señal lo impide.
¿Qué diferencia hay entre indexable e indexada?
Indexable significa que nada en la página ni en el servidor la deja fuera del índice. Indexada significa que Google la guardó de verdad. Una página puede ser indexable y aun así no estar indexada, algo que solo Search Console puede confirmar.
¿robots.txt impide que se indexe una página?
No. Impide el rastreo. Google aún puede indexar una URL bloqueada a partir de enlaces, sin su contenido. Para dejar una página fuera del índice, permite el rastreo y usa noindex.
¿Por qué no está indexada mi página indexable?
Los motivos habituales son contenido pobre o duplicado, pocos enlaces internos, que Google elija otra URL como canonical o que Google aún no la haya rastreado. La Inspección de URLs y el informe Indexación de páginas dan el motivo que registra Google.
¿Puedo revisar la indexabilidad de una sola URL?
Sí. La Inspección de URLs de Search Console revisa una URL de tu propia propiedad. Un crawler revisa todas las URL del sitio a la vez, y puede rastrear solo una lista de URL cuando solo necesitas unas pocas.