Abo
  • IT-Karriere:

Robots Exclusion Protocol: Google will Robots.txt zu IETF-Standard machen

Mit Hilfe des Robots Exclusion Protocol können Webmaster festlegen, ob und wie Crawler ihre Webseite durchsuchen sollen. Die Technik rund um die Robots.txt soll 25 Jahre nach Entstehen nun zu einem IETF-Standard werden und Google macht seinen Parser dafür Open Source.

Artikel veröffentlicht am ,
Zum 25. Jubiläum der Robots.txt startet Google eine Initiative zum Standardisieren der Technik.
Zum 25. Jubiläum der Robots.txt startet Google eine Initiative zum Standardisieren der Technik. (Bild: Google)

Vor 25 Jahren kündigte der Webmaster Martijn Koster einen Standard an, mit dem Robots, die unter anderem auch Crawler genannt werden, angewiesen werden können, wie und ob diese die eigenen Seite durchsuchen dürfen. Dieses Robots Exclusion Protocol (REP) mit der dafür zentralen Robots.txt-Datei ist bis jetzt als Übereinkunft von großen Suchmaschinenbetreibern aber nur ein De-facto-Standard. Google will das mit Hilfe von Koster ändern und das REP bei der Internet Engineering Task Force (IETF) standardisieren.

Stellenmarkt
  1. Landkreis Hameln-Pyrmont, Hameln-Pyrmont
  2. BfS Bundesamt für Strahlenschutz, Oberschleißheim

Laut Google führte die bisher fehlende Standardisierung dazu, dass "Entwickler das Protokoll im Laufe der Jahre etwas anders interpretiert haben. Und seit seiner Einführung wurde der REP nicht mehr aktualisiert, um die heutigen Ausnahmefälle abzudecken. Dies ist ein herausforderndes Problem für Webseitenbetreiber, da es aufgrund des mehrdeutigen De-facto-Standards schwierig war, die Regeln korrekt zu schreiben."

IETF-Entwurf bringt Neuerungen

Diese Probleme soll ein neuer IETF-Standard nun lösen, indem er Regeln liefert, die der aktuellen Praxis entsprechen. Der Entwurf dazu steht bei der IETF bereit. Zusätzlich zu der Zusammenarbeit mit Koster habe Google dafür auch mit Webmastern und anderen Suchmaschinenbetreibern kooperiert. Die wichtigste Neuerung ist demnach die Nutzung des REP für jedes URI-Schema, also nicht mehr nur HTTP, sondern auch FTP oder Coap.

Robots können darüber hinaus ein Parsing-Limit festlegen, das jedoch mindestens 500 KByte betragen muss. So sollen Verbindungen nicht zu lange aufrechterhalten werden müssen. Ebenso können die HTTP-Cache-Control-Header als Anweisung an Crawler benutzt werden, so dass die Robots.txt eben in einem Cache für maximal 24 Stunden vorgehalten wird. So soll sich die Datei einfacher ändern lassen, ohne von Crawler-Anfragen überrannt zu werden.

Sollte die Robots.txt außerdem nicht erreichbar sein, muss sich der Crawler nun so verhalten, dass die Webseite gar nicht durchsucht werden darf. Für den Fall, dass die Seite vorher schon einmal von dem Crawler besucht wurde, soll bei Nichterreichbarkeit die im Cache vorgehaltene Datei genutzt werden, so dass dann die bisher bekannten Regeln weiter gelten.

Google selbst hat nun auf Grundlage des IETF-Entwurfs seine eigenen Regeln im Umgang mit der Robots.txt verändert und verfolgt bis zu fünf Redirects oder unterstützt alle URI-Schemata. Weitere Änderungen listet Google in seiner Dokumentation für Entwickler.

Wie mit den Änderungen von Google deutlich wird, ist die Nutzung des IETF-Entwurfs mit Anpassungen auf Seiten der Webseitenbetreiber verbunden. Damit das Parsen der Robots.txt aber nicht zu viel Arbeit bedeutet, hat das Unternehmen seinen eigenen Parser dafür nun als Open Source auf Github veröffentlicht.



Anzeige
Spiele-Angebote
  1. (-80%) 6,99€
  2. 229,00€
  3. 4,31€

Kein Kostverächter 03. Jul 2019

Die robots.txt ist kein Sicherheitsfeature und war auch nie als solches gedacht. Sie ist...


Folgen Sie uns
       


Xiaomi Mi 9T Pro - Fazit

Das Mi 9T Pro von Xiaomi ist eines der ersten Smartphones, das der chinesische Hersteller offiziell in Deutschland anbietet. Im Test überzeugt das Gerät durch sehr gute Hardware zu einem verhältnismäßig geringen Preis.

Xiaomi Mi 9T Pro - Fazit Video aufrufen
Programmiersprache: Java 13 bringt mehrzeilige Strings mit Textblöcken
Programmiersprache
Java 13 bringt mehrzeilige Strings mit Textblöcken

Die Sprache Java steht im Ruf, eher umständlich zu sein. Die Entwickler versuchen aber, viel daran zu ändern. Mit der nun verfügbaren Version Java 13 gibt es etwa Textblöcke, mit denen sich endlich angenehm und ohne unnötige Umstände mehrzeilige Strings definieren lassen.
Von Nicolai Parlog

  1. Java Offenes Enterprise-Java Jakarta EE 8 erschienen
  2. Microsoft SQL-Server 2019 bringt kostenlosen Java-Support
  3. Paketmanagement Java-Dependencies über unsichere HTTP-Downloads

Mobile-Games-Auslese: Superheld und Schlapphutträger zu Besuch im Smartphone
Mobile-Games-Auslese
Superheld und Schlapphutträger zu Besuch im Smartphone

Markus Fenix aus Gears of War kämpft in Gears Pop gegen fiese (Knuddel-)Aliens und der Typ in Tombshaft erinnert an Indiana Jones: In Mobile Games tummelt sich derzeit echte und falsche Prominenz.
Von Rainer Sigl

  1. Mobile-Games-Auslese Verdrehte Räume und verrückte Zombies für unterwegs
  2. Dr. Mario World im Test Spielspaß für Privatpatienten
  3. Mobile-Games-Auslese Ein Wunderjunge und dreimal kostenloser Mobilspaß

Elektrautos auf der IAA: Die Gezeigtwagen-Messe
Elektrautos auf der IAA
Die Gezeigtwagen-Messe

IAA 2019 Viele klassische Hersteller fehlen bei der IAA oder zeigen Autos, die man längst gesehen hat. Bei den Elektroautos bekommen alltagstaugliche Modelle wie VW ID.3, Opel Corsa E und Honda E viel Aufmerksamkeit.
Ein Bericht von Dirk Kunde

  1. Elektromobilität Stromwirtschaft will keine Million öffentlicher Ladesäulen
  2. Umfrage Kunden fühlen sich vor Elektroautokauf schlecht beraten
  3. Batterieprobleme Auslieferung des e.Go verzögert sich

    •  /