Google 和 微軟近期的新聞還蠻有趣的。
首次看到「聊天機器人」回應的答案不準，然後股價跌 8% 的.
這個「聊天」的定義會不會太苛刻了點... XD
標籤: bot
Googlebot 的 IP列表 與 驗證方式
Google 要爬各個網站的資料，會需要派出 Crawler (Googlebot) 來爬資料，最後才能搜尋。
但是要怎麼樣才能確認 Bot 真的是 Googlebot 呢？
Robots.txt 寫 Crawl-delay 的作用
Robots.txt 有個 Crawl-delay 的設定參數，是要做什麼用的呢？
Google 與 Googlebot 是如何看待 HTTP status code
Google / Googlebot 並不是所有 HTTP 的狀態都會處理的，這個表有列出他處理哪些狀態，分別是怎麼處理方式：
- How HTTP status codes, and network and DNS errors affect Google Search
- We cover the top 20 status codes that Googlebot encountered on the web, and the most prominent network and DNS errors.
- Googlebot 在網路上最常遇到的 20 種狀態碼，以及最為常見的網路錯誤和 DNS 錯誤。較為罕見的狀態碼 (例如 418 (I'm a teapot))
- 裡面特別提到 418 是不支援的，418 是什麼？可以參考此篇：HTTP Status Code 418：teapot 茶壺
PHP 於 Header 送 noindex 給 Crawler bot
某些頁面不想要讓 Search engine (Google、Bing) 的 crawler bot 爬，有幾種方法可以使用：
- HTML Meta Tag
- 使用 robots.txt
- 於 HTTP Header 送 X-Robots-Tag
此篇主要紀錄 HTTP Header 的作法
Google 開源 robots.txt 解析器 並推 REP 為正式標準
robots.txt 的文字檔裡面，可以設定哪些可以爬、哪些不要爬，大多數的搜尋引擎爬蟲都會遵守這個規範。
robots.txt 起源：Martijn Koster 在 1994年 建立 REP 的初期標準，再加上其它網站管理員的補充後，REP 已經成為產業標準，但是還沒成為官方的網路標準。
- robots.txt RFC：A Method for Web Robots Control