谷歌SEO教程第27篇—谷歌抓取工具（用户代理）概览

“抓取工具”（有时也称为“漫游器”或“蜘蛛”程序）是一个通用术语，泛指通过跟踪从一个网页指向另一个网页的链接自动发现并扫描网站的任何程序。Google 的主要抓取工具名叫 Googlebot。下表列出了在引荐来源网址日志中经常会看到的 Google 抓取工具的相关信息，以及在 robots.txt、robots meta 标记和 X-Robots-Tag HTTP 规则中指定这些抓取工具的方式。

下表显示了 Google 的各种产品和服务所使用的抓取工具：

• 当您为网站编写抓取规则时，应在 robots.txt 文件中的 User-agent: 行内使用用户代理令牌，以便与相应类型的抓取工具匹配。如表中所示，某些抓取工具有多个令牌；但您只需使用与相应抓取工具匹配的 1 个令牌，即可应用规则。此列表并不完整，但涵盖了您在自己的网站上可能会看到的大多数抓取工具。
• 完整的用户代理字符串是对抓取工具的完整描述，会出现在 HTTP 请求和网站日志中。
  

关于用户代理中的 Chrome/W.X.Y.Z 的说明 

表格中的用户代理字符串中有时候会出现 Chrome/W.X.Y.Z 字符串，W.X.Y.Z 实际上是一个占位符，代表该用户代理使用的 Chrome 浏览器版本，例如 41.0.2272.96。随着时间的推移，此版本号会增大，以便与 Googlebot 使用的最新 Chromium 发布版本相匹配。

如果您要搜索日志或过滤服务器以查找使用此格式的用户代理，请用通配符表示版本号，而不是指定确切的版本号。

robots.txt 中的用户代理

如果 Google 在 robots.txt 文件中识别出多个用户代理，将会跟踪最具体的用户代理。如果您希望 Google 的所有抓取工具都能够抓取您的网页，根本不需要使用 robots.txt 文件。如果您希望禁止或允许 Google 的所有抓取工具访问您的某些内容，只需将 Googlebot 指定为用户代理即可。例如，如果您希望您的所有网页都出现在 Google 搜索中，并且您的网页能够显示 AdSense 广告，便无需使用 robots.txt 文件。同理，如果您希望 Google 的所有抓取工具都不能访问您的某些网页，可以禁止用户代理 Googlebot，这样会一并禁止 Google 的所有其他用户代理。

不过，如果您希望更加精确地控制抓取范围，可以采取更具体的设置。例如，您可能希望您的所有网页都出现在 Google 搜索中，但不希望 Google 抓取您个人目录中的图片。在这种情况下，您可以使用 robots.txt 禁止用户代理 Googlebot-Image 抓取您个人目录中的文件（同时允许 Googlebot 抓取所有文件），具体如下：

User-agent: Googlebot
Disallow:

User-agent: Googlebot-Image
Disallow: /personal

再举个例子，假设您希望自己的所有网页上都显示广告，但不希望这些网页出现在 Google 搜索中。这时，您可以禁止 Googlebot，但允许 Mediapartners-Google 用户代理，具体如下：

User-agent: Googlebot
Disallow: /

User-agent: Mediapartners-Google
Disallow:

robots meta 标记中的用户代理

某些网页会使用多个 robots meta 标记针对不同的抓取工具分别指定规则，具体如下：

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

在此示例中，Google 会综合使用所有否定规则，因此 Googlebot 将同时遵循 noindex 和 nofollow 规则。 详细了解如何控制 Google 抓取您的网站并将其编入索引的方式。

控制抓取速度

每个 Google 抓取工具都会出于特定目的以不同的速度访问网站。Google 使用算法确定每个网站的最佳抓取速度。如果 Google 抓取工具过于频繁地抓取您的网站，您可以降低抓取速度。

弃用的 Google 抓取工具

以下 Google 抓取工具已不再使用，此处仅作历史参考。