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. Lean und Agile UI/UX-Designer (m/w/d)
    Anstalt für Kommunale Datenverarbeitung in Bayern (AKDB), München
  2. Wireless Test Engineer (m/w / divers)
    Continental AG, Hannover
Detailsuche

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.

Golem Karrierewelt
  1. Green IT: Praxisratgeber zur nachhaltigen IT-Nutzung (virtueller Ein-Tages-Workshop)
    10.08.2022, virtuell
  2. Adobe Photoshop für Social Media Anwendungen: virtueller Zwei-Tage-Workshop
    27./28.07.2022, virtuell
Weitere IT-Trainings

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.

Bitte aktivieren Sie Javascript.
Oder nutzen Sie das Golem-pur-Angebot
und lesen Golem.de
  • ohne Werbung
  • mit ausgeschaltetem Javascript
  • mit RSS-Volltext-Feed


Kein Kostverächter 03. Jul 2019

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



Aktuell auf der Startseite von Golem.de
Halbleiterfertigung
Keine modernen Belichtungsmaschinen mehr für China

Maschinen für EUV-Belichtung darf ASML bereits nicht mehr nach China exportieren, auch der Zugang zu älteren DUV-Anlagen soll gekappt werden.

Halbleiterfertigung: Keine modernen Belichtungsmaschinen mehr für China
Artikel
  1. Kryptowinter: Auch Bitcoin-Minern droht die Zahlungsunfähigkeit
    Kryptowinter
    Auch Bitcoin-Minern droht die Zahlungsunfähigkeit

    Nicht nur Bitcoin-Verleiher gehen in der Krise pleite. Auch professionelle Krypto-Mining-Unternehmen kämpfen um ihre Liquidität.

  2. Games with Gold: Die Xbox-360-Neuauflagen sind alle
    Games with Gold
    Die Xbox-360-Neuauflagen sind alle

    Ab Oktober 2022 ist Schluss mit weiteren Xbox-360-Spielen in Spieleabos von Microsoft. Grund ist schlicht eine natürliche Grenze.

  3. Nintendo, Roboter, Anom-Messenger: Schleswig-Holstein fördert Roboterforschung
    Nintendo, Roboter, Anom-Messenger
    Schleswig-Holstein fördert Roboterforschung

    Sonst noch was? Was am 6. Juli 2022 neben den großen Meldungen sonst noch passiert ist, in aller Kürze.

Du willst dich mit Golem.de beruflich verändern oder weiterbilden?
Zum Stellenmarkt
Zur Akademie
Zum Coaching
  • Schnäppchen, Rabatte und Top-Angebote
    Die besten Deals des Tages
    Daily Deals • PS5 bestellbar • EVGA RTX 3090 24G günstig wie nie: 1.649€ • MindStar (MSI RTX 3060 429€, MSI Optix 31,5“ WQHD 165Hz 369€) • Samsung QLED 85" günstig wie nie: 1.732,72€ • Alternate (Tower-Gehäuse & CPU-Kühler v. Raijintek) • Der beste 2.000€-Gaming-PC • LG TV 65" 120Hz -56% [Werbung]
    •  /