„Crawler“ ist ein Oberbegriff für Programme wie „Robot“ oder „Spider“. Diese durchsuchen Websites automatisch, indem sie Links von einer Webseite zur nächsten folgen. Der meistverwendete Crawler von Google ist der Googlebot. Die folgende Tabelle enthält Informationen zu den gängigen Google-Crawlern, die in den Verweisprotokollen vorkommen können, und dazu, wie diese in der Datei robots.txt, den Robots-Meta-Tags und den HTTP-Regeln für X-Robots-Tag angegeben werden.
In der folgenden Tabelle sind Crawler aufgeführt, die von verschiedenen Produkten und Diensten bei Google verwendet werden:
- Das User-Agent-Token wird in robots.txt in der Zeile
User-agent:verwendet und gibt an, für welchen Crawlertyp die Crawling-Regeln deiner Website gelten. Wie du in der Tabelle siehst, haben einige Crawler mehr als ein Token. Damit eine Regel angewendet wird, muss jedoch nur ein Crawler übereinstimmen. Diese Liste ist nicht vollständig, umfasst jedoch die meisten Crawler, die du auf deiner Website sehen kannst. - Der vollständige User-Agent-String ist eine komplette Beschreibung des Crawlers und wird in der Anfrage und in deinen Webprotokollen angezeigt.
| Crawler | User-Agent-Token (Produkt-Token) | Vollständiger User-Agent-String |
|---|---|---|
| APIs-Google |
|
APIs-Google (+https://developers.google.com/webmasters/APIs-Google.html) |
| AdSense |
|
Mediapartners-Google |
|
(Prüft die Anzeigenqualität auf Webseiten, die für Android-Geräte optimiert sind) |
|
Mozilla/5.0 (Linux; Android 5.0; SM-G920A) AppleWebKit (KHTML, like Gecko) Chrome Mobile Safari (compatible; AdsBot-Google-Mobile; +http://www.google.com/mobile/adsbot.html) |
|
(Prüft die Anzeigenqualität auf Webseiten, die für iPhones optimiert sind) |
|
Mozilla/5.0 (iPhone; CPU iPhone OS 9_1 like Mac OS X) AppleWebKit/601.1.46 (KHTML, like Gecko) Version/9.0 Mobile/13B143 Safari/601.1 (compatible; AdsBot-Google-Mobile; +http://www.google.com/mobile/adsbot.html) |
|
(Prüft die Anzeigenqualität auf Webseiten, die für Computer optimiert sind) |
|
AdsBot-Google (+http://www.google.com/adsbot.html) |
| Googlebot-Image |
|
Googlebot-Image/1.0 |
| Googlebot-News |
|
Googlebot-News |
| Googlebot-Video |
|
Googlebot-Video/1.0 |
|
Googlebot (Computer) |
|
|
|
Googlebot (Smartphone) |
|
|
| Mobile AdSense |
|
(Verschiedene Mobilgerätetypen) (compatible; Mediapartners-Google/2.1; +http://www.google.com/bot.html) |
|
(Prüft die Anzeigenqualität auf Seiten, die für Android-Apps optimiert sind. Folgt dabei den Robots-Regeln von AdsBot-Google.) |
|
AdsBot-Google-Mobile-Apps |
|
Ignoriert die Regeln von robots.txt. Informationen zu den Gründen |
|
|
|
Ignoriert die Regeln von robots.txt. Informationen zu den Gründen |
Aktuelle Agents:
Ehemaliger Agent (eingestellt): |
|
| Duplex im Web |
Ignoriert möglicherweise den User-Agent-Platzhalter „*“. Informationen zu den Gründen |
Mozilla/5.0 (Linux; Android 8.0; Pixel 2 Build/OPD3.170816.012; DuplexWeb-Google/1.0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Mobile Safari/537.36 |
|
Google Favicon (Ruft Favicons für verschiedene Dienste ab) |
Bei Nutzeranfragen werden robots.txt-Regeln ignoriert |
Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.75 Safari/537.36 Google Favicon |
| Web Light |
Ignoriert die Regeln von robots.txt. Informationen zu den Gründen |
Mozilla/5.0 (Linux; Android 4.2.1; en-us; Nexus 5 Build/JOP40D) AppleWebKit/535.19 (KHTML, like Gecko; googleweblight) Chrome/38.0.1025.166 Mobile Safari/535.19 |
Überall, wo in den User-Agent-Strings in der Tabelle der String Chrome/W.X.Y.Z erscheint, ist W.X.Y.Z ein Platzhalter, der die vom jeweiligen User-Agent verwendete Version des Chrome-Browsers darstellt, z. B. 41.0.2272.96. Diese Versionsnummer wird sich mit der Zeit erhöhen, um der neuesten vom Googlebot verwendeten Chromium-Release-Version zu entsprechen.
Beim Durchsuchen von Protokollen oder wenn du auf dem Server einen User-Agent mit diesem Muster suchst, solltest du für die Versionsnummer am besten einen Platzhalter verwenden, anstatt die genaue Versionsnummer anzugeben.
User-Agents in robots.txt
Werden mehrere User-Agents in der robots.txt-Datei erkannt, folgt Google dem spezifischsten. Wenn du deine Seiten von allen Crawlern von Google crawlen lassen möchtest, benötigst du keine robots.txt-Datei. Wenn du einen Teil deiner Inhalte für alle Google-Crawler sperren oder zulassen möchtest, gib den Googlebot als User-Agent an. Beispiel: Wenn alle deine Seiten in der Google-Suche und in AdSense-Anzeigen auf deinen Seiten erscheinen sollen, benötigst du keine robots.txt-Datei. Und wenn du einige Seiten ganz für Google sperren möchtest, werden durch das Blockieren des User-Agents Googlebot auch alle anderen User-Agents von Google blockiert.
Du kannst dies jedoch auch noch etwas detaillierter angeben. Möglicherweise möchtest du zum Beispiel, dass alle deine Seiten in der Google-Suche angezeigt, Bilder in deinem persönlichen Verzeichnis jedoch nicht gecrawlt werden. In diesem Fall kannst du mit der robots.txt-Datei verhindern, dass der User-Agent Googlebot-Image die Dateien im Verzeichnis „/personal“ crawlt, während der Googlebot zum Crawlen aller Dateien berechtigt ist. Dies sieht dann folgendermaßen aus:
User-agent: Googlebot Disallow: User-agent: Googlebot-Image Disallow: /personalEin weiteres Beispiel: Angenommen, du möchtest Anzeigen auf allen deinen Seiten einblenden. Diese Seiten sollen jedoch nicht in der Google Suche erscheinen. In diesem Fall blockierst du den Googlebot, lässt aber Mediapartners-Google zu. Dies sieht dann so aus:
User-agent: Googlebot Disallow: / User-agent: Mediapartners-Google Disallow:
User-Agents in Robots-Meta-Tags
Manche Seiten verwenden mehrere Robots-Meta-Tags, um Anweisungen für verschiedene Crawler anzugeben. Beispiel:
<meta name="robots" content="nofollow"> <meta name="googlebot" content="noindex">
In diesem Fall verwendet Google die Summe der negativen Anweisungen und der Googlebot folgt sowohl der Regel noindex als auch der Regel nofollow. Genauere Informationen zum Steuern des Crawlings und der Indexierung deiner Website durch Google