Googlebot на Android 6.0.1: User-Agent мобильного краулера

Googlebot 2.1 — поисковый краулер Google. Обычно такие клиенты приходят на сайты для добавления их в поисковый индекс.

Такие клиенты обычно запускает Google для обхода страниц сайтов и добавления их в поисковый индекс. Они приходят на сайт, чтобы анализировать содержимое и структуру страниц для улучшения качества поиска.

Bot Guard видел этот User-Agent на 35 сайтах из 54 подключённых (65%). Первое появление в нашей статистике: 29.09.2023, последнее: 19.10.2023. Всего за это время зафиксировано 25 739 визитов.

По строке определяется: название клиента — Googlebot версии 2.1; операционная система — Android 6.0.1; тип устройства — смартфон или планшет на Android; 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 35 сайтов, 25 739 визитов. Это оценка по строке и поведению, а не доказательство: по одному User-Agent нельзя гарантировать, что за ним бот или человек.

Поисковый робот обходит сайт регулярно: без этого новые и изменённые страницы не появятся в выдаче. Нагрузка обычно небольшая, а вот подделки под такого робота могут её заметно увеличивать, поэтому важно сверять адрес запроса.

Настоящий Googlebot можно отличить от подделки по адресу: выполните обратный DNS-запрос к IP клиента и проверьте, что имя хоста принадлежит компании Google, а прямая запись указывает на тот же IP. У подделки в User-Agent будет такое же имя, но адрес окажется чужим.

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

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

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

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

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

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

// PHP: определить клиента
if (stripos($_SERVER['HTTP_USER_AGENT'] ?? '', 'Googlebot') !== 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: Googlebot
Disallow: /

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

# разрешить всё
User-agent: Googlebot
Allow: /

Пускайте проверенного робота и следите за нагрузкой. Если обход слишком частый, ограничивайте скорость в настройках сервиса компании Google или правилами в robots.txt, а не блокировкой.