Bingbot 2.0: краулер поисковой системы Bing от Microsoft

bingbot 2.0 — поисковый краулер Microsoft. Обычно такие клиенты приходят для добавления страниц в поисковый индекс.

Поисковый краулер bingbot 2.0, принадлежащий Microsoft, обычно запускается для обхода страниц сайтов и добавления их в поисковый индекс. Такие клиенты приходят на сайт для сбора информации и анализа содержимого для улучшения поисковых результатов.

Bot Guard видел этот User-Agent на 36 сайтах из 54 подключённых (67%). Первое появление в нашей статистике: 28.09.2023, последнее: 15.11.2023. Всего за это время зафиксировано 99 101 визит. В среднем это около 2022 визитов в день за 49 дней наблюдений.

По строке определяется: название клиента — bingbot версии 2.0; движок — WebKit 537.36. Часть токенов, например Mozilla/5.0 и KHTML, like Gecko, исторически есть почти у всех браузеров и ничего не говорят о реальном клиенте.

Вердикт: краулер или служебный бот. Основания: явных противоречий в строке нет; в статистике 36 сайтов, 99 101 визитов. Это оценка по строке и поведению, а не доказательство: по одному User-Agent нельзя гарантировать, что за ним бот или человек.

Настоящий поисковый робот создаёт умеренную нагрузку на сервер и нужен, чтобы страницы попадали в поиск. Системы статистики, как правило, не считают его визиты посещениями людей, но в журнале сервера он заметен. Резкий рост обращений стоит проверить на подделку.

Достоверный признак — IP-адрес, а не строка User-Agent. Сверьте его с официальной документацией компании Microsoft или подтвердите обратным и прямым DNS-запросом. Если адрес не из сетей компании Microsoft, это подделка, даже когда строка выглядит идеально.

Проверка занимает две команды. Сначала по IP запроса получаем имя хоста, оно должно оканчиваться на .search.msn.com. Затем по этому имени получаем IP обратно, адрес обязан совпасть с исходным. Если хотя бы одна проверка не прошла, запрос идёт не от Microsoft.

# 1. обратный запрос: имя хоста по IP
host 203.0.113.10
# 203.0.113.10 -> pointer crawler-example.search.msn.com

# 2. прямой запрос: IP по имени хоста
host crawler-example.search.msn.com
# адрес в ответе должен быть 203.0.113.10

Запросы этого клиента легко найти в журнале по подстроке «bingbot». Ниже примеры для подсчёта обращений, для nginx и для PHP. Строку лучше сверять без учёта регистра.

# сколько запросов в журнале nginx
grep -i "bingbot" /var/log/nginx/access.log | wc -l

# nginx: пометить запросы клиента
map $http_user_agent $is_client {
    default 0;
    ~*bingbot 1;
}

// PHP: определить клиента
if (stripos($_SERVER['HTTP_USER_AGENT'] ?? '', 'bingbot') !== false) {
    // ваша логика: пропустить, ограничить или заблокировать
}

Робот, соблюдающий правила, читает robots.txt до обхода страниц. Чтобы закрыть сайт целиком или только один раздел, добавьте правило с названием клиента. robots.txt рекомендательный: подделки и недобросовестные боты его игнорируют, для них нужна блокировка на сервере.

# закрыть весь сайт
User-agent: bingbot
Disallow: /

# закрыть только раздел
User-agent: bingbot
Disallow: /private/

# разрешить всё
User-agent: bingbot
Allow: /

Разрешите доступ роботу, подтверждённому по DNS, и проверьте в robots.txt, что важные разделы не закрыты. Подделки с этим же User-Agent блокируйте по IP.