Что такое роботы поисковики Яндекса и Google простыми словами. Поисковый робот Как пригласить робота яндекс основной поисковой системой

У Яндекса есть несколько роботов, которые представляются по-разному.

Yandex/1.01.001 (compatible; Win16; I) - основной индексирующий робот
Yandex/1.01.001 (compatible; Win16; P) - индексатор картинок
Yandex/1.01.001 (compatible; Win16; H) - робот, определяющий зеркала сайтов
Yandex/1.02.000 (compatible; Win16; F) - робот, индексирующий пиктограммы (favicons) сайтов
Yandex/1.03.003 (compatible; Win16; D) - робот, обращающийся к странице при добавлении ее через форму «Добавить URL»
Yandex/1.03.000 (compatible; Win16; M) - робот, обращающийся при открытии страницы по ссылке «Найденные слова »
YaDirectBot/1.0 (compatible; Win16; I) - робот, индексирующий страницы сайтов, участвующих в Рекламной сети Яндекса
YandexBlog/0.99.101 (compatible; DOS3.30; Mozilla/5.0; B; robot) - робот поиска по блогам , индексирующий коментарии постов.

IP-адресов, с которых «ходит» робот Яндекса, много, и они могут меняться. Список адресов мы не разглашаем.

Кроме роботов, у Яндекса есть несколько агентов-«простукивалок», которые определяют, доступен ли в данный момент сайт или документ, на который стоит ссылка в соответствующем сервисе.

Yandex/2.01.000 (compatible; Win16; Dyatel; C) - «простукивалка» Яндекс.Каталога . Если сайт недоступен в течение нескольких дней, он снимается с публикации. Как только сайт начинает отвечать, он автоматически появляется в Каталоге.
Yandex/2.01.000 (compatible; Win16; Dyatel; Z) - «простукивалка» Яндекс.Закладок . Ссылки на недоступные сайты помечаются серым цветом.
Yandex/2.01.000 (compatible; Win16; Dyatel; D) - «простукивалка» Яндекс.Директа . Она проверяет корректность ссылок из объявлений перед модерацией. Никаких автоматических действий не предпринимается.
Yandex/2.01.000 (compatible; Win16; Dyatel; N) - «простукивалка» Яндекс.Новостей . Она формирует статистические отчеты для контент-менеджера и информирует его о возможных проблемах у партнеров-поставщиков новостей
Источник: help.yandex.ru

Роботы Google

Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html) - поисковый робот Google.

Googlebot-Image (Google) Googlebot-Image/1.0 - робот-индексатор картинок.
Директивы, адресованные этому роботу, прописываются для удаления изображений из Картинок Google , например, для запрета индексации картинок в новостях (в данном случае иллюстрации к новостям размещаются в папке /news/img/ ):

User-agent: *
Disallow: /news

User-agent: Googlebot-Image
Disallow: /news/img/

(аналогично директивы можно применить ко всем роботам, перечисленным на этой странице)

Mediapartners-Google - робот-анализатор AdSense.
Директивы, адресованные этому роботу, прописываются для запрета индексации страниц с сохранением показа объявлений AdSense, например:

User-agent: *
Disallow: /news

User-agent: MediaPartners-Google
Allow: /news

(Allow: - открывающая для индексации директива, противоположна Disallow: аналогично директивы можно применить ко всем роботам, перечисленным на этой странице)

Googlebot-Mobile (compatible; Googlebot-Mobile/2.1; +http://www.google.com/bot.html) - робот индексирующий сайты для мобильных устройств.
Google Search Appliance (Google) gsa-crawler - поисковой робот нового аппаратно-программного комплекса Search Appliance (GSA 6.0).
AdsBot-Google (+http://www.google.com/adsbot.html) - оценка качества целевых страниц AdWords.

Робот Рамблера

StackRambler/2.0 (MSIE incompatible) - поисковый робот Рамблера.
StackRambler/2.0 - поисковый робот Рамблера.

Роботы Апорта

Aport - поисковый робот Апорта
AportCatalogRobot/2.0 - робот Апорт каталога.

Роботы Yahoo!

Mozilla/5.0 (compatible; Yahoo! Slurp; http://help.yahoo.com/help/us/ysearch/slurp) - поисковый робот Yahoo!
Mozilla/5.0 (compatible; Yahoo! Slurp/3.0; http://help.yahoo.com/help/us/ysearch/slurp) - новый робот Yahoo! 3-го поколения.
Yahoo-MMCrawler/3.x (mms dash mmcrawler dash support at yahoo dash inc dot com) - робот-индексатор картинок.
Yahoo-Blogs/v3.9 (compatible; Mozilla 4.0; MSIE 5.5; http://help.yahoo.com/help/us/ysearch/crawling/crawling-02.html) - робот поиска по блогам.

Роботы MSN

msnbot/1.1 (+http://search.msn.com/msnbot.htm) - основной робот MSN.

msnbot-media/1.0 (+http://search.msn.com/msnbot.htm) - робот-индексатор мультимедийных файлов для images.live.com.

msnbot-media/1.1 (+http://search.msn.com/msnbot.htm) - робот-индексатор мультимедийных файлов.

msnbot-news (+http://search.msn.com/msnbot.htm) - робот индексирующий новости.

msnbot-NewsBlogs/1.0 (+http://search.msn.com/msnbot.htm) - обеспечивает актуальность новостей и блогов для search.live.com/news
Если робот поисковой системы пытается получить доступ к вашему веб-узлу чаще одного раза в несколько секунд, можно увеличить задержку между обращениями и настроить их минимальную частоту (в секундах) с помощью параметра Crawl-delay в файле robots.txt, например:

User-agent: msnbot
Crawl-delay: 120

(на новостной робот msnbot-NewsBlogs /1.0 не распространяется действие параметра задержки обхода)

msnbot-Products/1.0 (+http://search.msn.com/msnbot.htm) - индексация для поиска товаров и шоппинга products.live.com

msnbot-Academic/1.0 (+http://search.msn.com/msnbot.htm) - производит академический поиск в academic.live.com

Робот Alexa

ia_archiver (+http://www.alexa.com/site/help/webmasters; [email protected]) - робот Alexa.
ia_archiver-web.archive.org - робот Alexa. Роботы Alexa полезны тем, что индексируют сайты для web.archive.org

SAPE.BOT is watching you! - сканирует сайты для биржи SAPE.ru

Как посмотреть информацию о посещениях сайта роботами можно узнать на странице

Из этой статьи вы узнаете все о поисковых системах.

Краткое ведение.

Как робот находит новую информацию?

Процесс индексации.

Принцип работы поисковой системы google.

Как определяется соответствие?

Как поисковые роботы видят сайты?

Что же такое поисковая система? Это такой комплекс, включающий в себя ряд специализированных средств для предоставления информации людям. Говоря человеческим языком – это система, позволяющая буквально любому пользователю найти нужную ему информацию.
Наиболее популярными поисковыми системами являются:
Yandex(Яндекс) – наиболее популярна в странах СНГ. Стоит отметить, что доля данной поисковой системы в РФ, составляет более чем 60%. Она владеет огромной базой данных.
Goolge(Гугл) – в отличии от яндекса, популярная во всем мире.
Предлагаю рассмотреть их более подробно. Располагайтесь поудобнее, начинаем.
Принцип работы поисковой системы Yandex
Для начала, яндекс проводит сбор всей возможной информации, до которой он может добраться. Затем, с помощью специального оборудования контент проходит проверку. Важной особенностью является то, что сбором информации занимается специализированная поисковая машина, а процесс, с помощью которого проходит подготовка данных, называется индексированием.
Поисковая машина состоит из поискового робота(вот для чего нужен файлик robots.txt). Он периодически посещает индексированные сайты, проверяет их контент(обновился или нет) и проводит сканирование Интернета на наличие незначимых страниц(пустых или удаленных), если нужно – удаляет их.

Как робот находит новую информацию

Есть три известных способа:С помощью ссылок с других источников.Благодаря специальному сервису «Аддурилке» — добавить новый адрес. В нем можно добавить новый адрес вашего сайта и по истечению некоторого времени его посетит поисковый робот.Используя программный пакет – ЯндексБар. Им отслеживается активность пользователя(какие сайты посещает), который пользуется пакетом и затем если юзер попадает на новый ресурс, то за ним следует и робот

Процесс индексации

С помощью различных поисковых алгоритмов, робот проверяет информацию на соответствие – полезна ли она для пользователя или нет и затем он ее либо добавляет в список либо удаляет.
После определения полезности, информация добавляется в специальное хранилище и разбирается до самых мелких частей. Страничка проходит очистку от хтмл- разметки, затем кристальный текст отправляется на инвентаризацию

Принцип работы поисковой системы Google

Данная система работает с помощью трех базовых для нее шагов:
Процесс сканирования.
Это шаг, на протяжении которого специальные поисковые роботы гугла находят новые, обновленные страницы, чтобы потом добавить их в поисковую базу.
В распоряжении Гугл находится огромное количество мощных компьютеров, предназначенных для сканирования огромного количества страниц.
Специальная программа проводит выборку – Googlebot, который имеет свои алгоритмы – какие и как часто сканировать страницы и количество индексированных страниц.
Сканирование начинается с url – адреса каждой страницы.
Непосредственно индексация
Что это такое? Это процесс, на котором робот Гугл обрабатывает каждую страницу, на которую он заходит, чтобы проанализировать местоположения ключевых слов на каждой страничке.
Также, гугл имеет более расширенный функционал – обрабатывает информацию, которая располагает в таких ключевых тегах, как title и alt.
Минусом бота является то, что он не может обрабатывать страницы, которые имеют множество мультимедийных файлов и динамические страницы.
Этап обработки
Это последний процесс. Он наступает в тот момент, когда пользователь сети вводит нужный ему поисковый запрос. Вот он ввел его, теперь поисковая система сразу же заходит в БД(базу данных) и подбирает наиболее соответствующую ключевому запросу информацию.

Как определяется соответствие

Существует огромное количество факторов, но главным из них является PR(ранг страницы, то есть, это показатель важности страницы и чем он выше, тем лучше).
Увы, далеко не все ссылочки равны, но корпорация Google продуктивно работает над решением этой проблемы – находит спамовые ссылки, проверяет файлик robots.txt, чтобы он не был модифицирован. Важно! Наиболее качественными ссылками является те, которые выданы благодаря качественному контенту.
Если вы хотите, чтобы ваш сайт имел наивысшую степень важности, убедитесь, что робот Гугл правильно и беспрепятственно сканирует и индексирует ваш сайт. Специально разработаны для этого сервисы Гугл для вебмастером, способны предотвратить массу популярных ошибок в продвижении, а также помогут повысить PR рейтинг вашего сайта.

Как поисковые роботы видят сайты?

Поисковые системы видят сайты иначе чем мы с вами. Когда мы люди смотрим на сайт мы видим картинки, тексты, видео, разные таблицы и прочий красивый контент. Короче мы видим его в цвете. А что если мы взглянем, как поисковые системы видят контент своими глазами?

Поисковые машины просто любят текст и игнорируют различные картинки. Картинка будет прочтена если добавлен атрибут alt, текстовая подпись к ней. Роботы в основном видят тексты в формате html. Роботы не любят когда на сайте много разных форм и jawa скрипта, такие страницы игнорируются. Если у вас свой сайт уделяйте больше внимания именно текстовому контенту.

Заключение

Если вы хотите, что бы рейтинг вашего сайта стал выше, оптимизируйте контент, внутреннюю часть сайта, чтобы облегчить работу робота – он хоть и умный, но чем лучше оптимизирована страница, тем правильней индексирует поисковый робот сайт.

Поисковым роботом называется специальная программа какой-либо поисковой системы, которая предназначена для занесения в базу (индексирования) найденных в Интернете сайтов и их страниц. Также используются названия: краулер, паук, бот, automaticindexer, ant, webcrawler, bot, webscutter, webrobots, webspider.

Принцип работы

Поисковый робот — это программа браузерного типа. Он постоянно сканирует сеть: посещает проиндексированные (уже известные ему) сайты, переходит по ссылкам с них и находит новые ресурсы. При обнаружении нового ресурса робот процедур добавляет его в индекс поисковика. Поисковый робот также индексирует обновления на сайтах, периодичность которых фиксируется. Например, обновляемый раз в неделю сайт будет посещаться пауком с этой частотой, а контент на новостных сайтах может попасть в индекс уже через несколько минут после публикации. Если на сайт не ведет ни одна ссылка с других ресурсов, то для привлечения поисковых роботов ресурс необходимо добавить через специальную форму (Центр вебмастеров Google, панель вебмастера Яндекс и т.д.).

Виды поисковых роботов

Пауки Яндекса :

Yandex/1.01.001 I — основной бот, занимающийся индексацией,
Yandex/1.01.001 (P) — индексирует картинки,
Yandex/1.01.001 (H) — находит зеркала сайтов,
Yandex/1.03.003 (D) — определяет, соответствует ли страница, добавленная из панели вебмастера, параметрам индексации,
YaDirectBot/1.0 (I) — индексирует ресурсы из рекламной сети Яндекса,
Yandex/1.02.000 (F) — индексирует фавиконы сайтов.

Пауки Google:

Робот Googlebot — основной робот,
Googlebot News — сканирует и индексирует новости,
Google Mobile — индексирует сайты для мобильных устройств,
Googlebot Images — ищет и индексирует изображения,
Googlebot Video — индексирует видео,
Google AdsBot — проверяет качество целевой страницы,
Google Mobile AdSense и Google AdSense — индексирует сайты рекламной сети Google.

Другие поисковики также используют роботов нескольких видов, функционально схожих с перечисленными.

Вопреки расхожему мнению, робот непосредственно не занимается какой-либо обработкой сканируемых документов. Он их только считывает и сохраняет, дальше их обработку осуществляют другие программы. Наглядное подтверждение можно получить, анализируя логи сайта, который индексируется в первый раз. При первом визите бот сначала запрашивает файл robots.txt, затем главную страницу сайта. То есть идет по единственной известной ему ссылке. На этом первый визит бота всегда и заканчивается. Через некоторое время (обычно на следующий день) бот запрашивает следующие страницы - по ссылкам, которые найдены на уже считанной странице. Дальше процесс продолжается в том же порядке: запрос страниц, ссылки на которые уже найдены - пауза на обработку считанных документов - следующий сеанс с запросом найденных ссылок.

Разбор страниц «на лету» означал бы значительно бо льшую ресурсоемкость робота и потери времени. Каждый сервер сканирования запускает множество процессов-ботов параллельно. Они должны действовать максимально быстро, чтобы успеть считывать новые страницы и повторно перечитывать уже известные. Поэтому боты только считывают и сохраняют документы. Все, что они сохраняют, ставится в очередь на обработку (разборку кода). Найденные при обработке страниц ссылки ставятся в очередь заданий для ботов. Так и идет непрерывное сканирование всей сети. Единственное, что бот может и должен анализировать «на лету» - это файл robots.txt, чтобы не запрашивать адреса, которые в нем запрещены. При каждом сеансе сканирования сайта робот в первую очередь запрашивает этот файл, а уже после него - все стоящие в очереди на сканирование страницы.

Виды поисковых роботов

У каждой поисковой системы есть свой набор роботов для различных целей.
В основном они различаются по функциональному назначению, хотя границы очень условны, и каждый поисковик понимает их по-своему. Системам только для полнотекстового поиска вполне достаточно одного робота на все случаи жизни. У тех поисковиков, которые заняты не только текстом, боты разделяются как минимум на две категории: для текстов и рисунков. Существуют также отдельные боты, занятые специфическими видами контента - мобильным, блоговым, новостным, видео и т.д.

Роботы Google

Все роботы Google носят общее название Googlebot. Основной робот-индексатор «представляется» так:

Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)

Этот бот занят сканированием HTML -страниц и прочих документов для основного поиска Google. Он же изредка считывает файлы CSS и JS - в основном это можно заметить на ранней стадии индексирования сайта, пока бот обходит сайт впервые. Принимаемые типы контента - все (Accept: */*).

Второй из основных ботов занят сканированием изображений с сайта. Он «представляется» просто:

Googlebot-Image/1.0

Еще в логах замечены как минимум три бота, занятых сбором контента для мобильной версии поиска. Поле User-agent всех трех оканчивается строкой:

(compatible; Googlebot-Mobile/2.1; +http://www.google.com/bot.html)

Перед этой строкой - модель мобильного телефона, с которой этот бот совместим. У замеченных ботов это модели телефонов Nokia, Samsung и iPhone. Принимаемые типы контента - все, но с указанием приоритетов:

Accept: application/vnd.wap.xhtml+xml,application/xhtml+xml;q=0.9,text/vnd.wap.wml;q=0.8,text/html;q=0.7,*/*;q=0.6

Роботы Яндекса

Из поисковиков, активно действующих в Рунете, самая большая коллекция ботов у Яндекса. В разделе помощи для вебмастеров можно найти официальный список всего паучьего личного состава. Приводить его здесь полностью нет смысла, поскольку в этом списке периодически происходят изменения.
Тем не менее, о самых важных для нас роботах Яндекса нужно упомянуть отдельно.
Основной индексирующий робот на текущий момент зовется

Mozilla/5.0 (compatible; YandexBot/3.0; +http://yandex.com/bots)

Ранее представлялся как

Yandex/1.01.001 (compatible; Win16; I)

Считывает HTML -страницы сайта и другие документы для индексирования. Список принимаемых медиатипов ранее был ограничен:

Accept: text/html, application/pdf;q=0.1, application/rtf;q=0.1, text/rtf;q=0.1, application/msword;q=0.1, application/x-shockwave-flash;q=0.1, application/vnd.ms-excel;q=0.1, application/vnd.ms-powerpoint;q=0.1

С 31 июля 2009 года в этом списке было замечено существенное расширение (число типов почти удвоилось), а с 10 ноября 2009 года список укоротился до */* (все типы).
Этого робота живо интересует вполне определенный набор языков: русский, несколько менее украинский и белорусский, еще чуть меньше английский и совсем мало - все остальные языки.

Accept-Language: ru, uk;q=0.8, be;q=0.8, en;q=0.7, *;q=0.01

Робот-сканер изображений несет в поле User-agent строку:

Mozilla/5.0 (compatible; YandexImages/3.0; +http://yandex.com/bots)

Занимается сканированием графики разных форматов для поиска в картинках.

В отличие от Google, у Яндекса есть отдельные боты для обслуживания некоторых специальных функций общего поиска.
Робот-«зеркальщик»

Mozilla/5.0 (compatible; YandexBot/3.0; MirrorDetector; +http://yandex.com/bots)

Ничего особенно сложного не делает - периодически появляется и проверяет, совпадает ли главная страница сайта при обращении к домену с www. и без. Также проверяет параллельные домены-«зеркала» на совпадение. По-видимому, зеркалами и канонической формой доменов в Яндексе занимается отдельный программный комплекс, не связанный напрямую с индексированием. Иначе решительно нечем объяснить существование для этой цели отдельного бота.

Сборщик иконок favicon.ico

Mozilla/5.0 (compatible; YandexFavicons/1.0; +http://yandex.com/bots)

Периодически появляется и запрашивает иконку favicon.ico, которая потом появляется в поисковой выдаче рядом со ссылкой на сайт. По каким причинам эту обязанность не совмещает сборщик картинок, неизвестно. По-видимому, также имеет место отдельный программный комплекс.

Проверочный бот для новых сайтов, работает при добавлении в форму AddURL

Mozilla/5.0 (compatible; YandexWebmaster/2.0; +http://yandex.com/bots)

Этот бот проверяет отклик сайта, посылая запрос HEAD к корневому URL . Таким образом проверяется существование главной страницы в домене и анализируются HTTP -заголовки этой страницы. Также бот запрашивает файл robots.txt в корне сайта. Таким образом после подачи ссылки в AddURL определяется, что сайт существует и ни в robots.txt, ни в HTTP -заголовках не запрещен доступ к главной странице.

Робот Рамблера

В настоящее время уже не работает , поскольку Рамблер сейчас использует поиск Яндекса
Робота-индексатора Рамблера легко опознать в логах по полю User-agent

StackRambler/2.0 (MSIE incompatible)

По сравнению с «коллегами» из других поисковых систем этот бот кажется совсем простым: не указывает список медиатипов (соответственно, получает запрошенный документ любого типа), поле Accept-Language в запросе отсутствует, в запросах бота не встречено также поле If-Modified-since.

Робот Mail.Ru

Об этом роботе пока известно немного. Разработку собственного поиска портал Mail.Ru ведет уже давно, но все никак не соберется этот поиск запустить. Поэтому достоверно известно только наименование бота в User-agent - Mail.Ru/2.0 (ранее - Mail.Ru/1.0). Наименование бота для директив файла robors.txt нигде не публиковалось, есть предположение, что бота так и следует звать Mail.Ru.

Прочие роботы

Поиск в интернете, конечно, не ограничивается двумя поисковыми системами. Поэтому существуют и другие роботы - например робот Bing - поисковой системы от Microsoft и другие роботы. Так, в частности, в Китае есть национальная поисковая система Baidu - но ее робот вряд ли долетит до середины реки дойдет до русского сайта .

Кроме того, в последнее время расплодилось много сервисов - в частности solomono - которые хоть и не являются поисковыми системами, но тоже сканирует сайты. Часто ценность передачи информации о сайте таким системам сомнительна, и поэтому их роботов можно запретить в

Принцип работы

Виды поисковых роботов

Пауки Яндекса :

Yandex/1.01.001 I — основной бот, занимающийся индексацией,
Yandex/1.01.001 (P) — индексирует картинки,
Yandex/1.01.001 (H) — находит зеркала сайтов,
Yandex/1.03.003 (D) — определяет, соответствует ли страница, добавленная из панели вебмастера, параметрам индексации,
YaDirectBot/1.0 (I) — индексирует ресурсы из рекламной сети Яндекса,
Yandex/1.02.000 (F) — индексирует фавиконы сайтов.

Пауки Google:

Робот Googlebot — основной робот,
Googlebot News — сканирует и индексирует новости,
Google Mobile — индексирует сайты для мобильных устройств,
Googlebot Images — ищет и индексирует изображения,
Googlebot Video — индексирует видео,
Google AdsBot — проверяет качество целевой страницы,
Google Mobile AdSense и Google AdSense — индексирует сайты рекламной сети Google.

Другие поисковики также используют роботов нескольких видов, функционально схожих с перечисленными.