Was ist crawler4j?
indexiert und analysiert Inhalte von Webseiten.
Der Webrobot crawler4j indexiert und analysiert Inhalte von Webseiten. Er zeigt sich meistens mit der IP Adresse 217.160.178.98 und unter Verwendung des User Agent crawler4j (http://code.google.com/p/crawler4j/). Mit 0.0001% Marktanteil ist crawler4j auf Platz 278 der aktivsten Webrobots im Internet.
„Crawler4j is an open source Java crawler which provides a simple interface for crawling the Web. You can setup a multi-threaded web crawler in 5 minutes!"
— Offizielle Beschreibung des Betreibers
Technische Einordnung von crawler4j
crawler4j wurde in Webserver-Logs als Bot oder Crawler erkannt. Die wichtigsten technischen Hinweise findest du auf dieser Seite: bekannte User-Agents, beobachtete IP-Adressen, Aktivitätsdaten und passende robots.txt-Regeln.
Für eine konkrete Entscheidung solltest du zusätzlich prüfen, welche URLs crawler4j abruft, wie häufig die Zugriffe sind und ob der Bot deine robots.txt-Regeln respektiert.
Gefahreneinschätzung und Bewertung
Sollte man crawler4j blockieren?
Prüfe zuerst Zugriffshäufigkeit, aufgerufene URLs und User-Agent. Danach kannst du entscheiden, ob eine Blockierung sinnvoll ist.
robots.txt – crawler4j blockieren
Füge diese Zeilen in deine robots.txt ein, um crawler4j den Zugriff auf deine Website zu verwehren:
User-agent: crawler4j
Disallow: /Du kannst den Zugriff auch gezielt einschränken, statt ihn komplett zu blockieren:
User-agent: crawler4j
Disallow: /wp-admin/
Disallow: /wp-includes/
Allow: /Häufige Fragen zu crawler4j
Ist crawler4j gut oder schlecht?
Das hängt vom Einsatzzweck ab. crawler4j ist als Web-Crawler eingeordnet. Entscheidend sind Nutzen, Serverlast, Crawl-Verhalten und ob der Bot deine robots.txt-Regeln respektiert.
Wie erkenne ich crawler4j in Server-Logs?
Suche nach dem User-Agent-Namen crawler4j. Ein beobachteter User-Agent ist crawler4j (http://code.google.com/p/crawler4j/). Vergleiche ausserdem IP-Adressen, Zugriffsmuster und aufgerufene URLs.
Reicht robots.txt zum Blockieren?
robots.txt ist ein Hinweis für regelkonforme Crawler. Unerwünschte oder aggressive Bots können diese Regeln ignorieren. In solchen Fällen helfen zusätzlich Firewall-Regeln, WAF-Regeln oder Blockierungen im Hosting/CDN.
Kann ein Bot seinen User-Agent fälschen?
Ja. Ein User-Agent ist leicht zu fälschen. Für wichtige Entscheidungen solltest du zusätzlich IP-Adresse, Reverse-DNS, Zugriffsmuster, Häufigkeit und aufgerufene URLs prüfen.
IP-Adressen 9 bekannte IPs
Diese IP-Adressen wurden bisher von crawler4j verwendet:
217.160.178.98
87.166.23.188
87.166.26.131
87.166.27.83
87.166.31.50
87.166.31.62
87.166.5.235
87.166.6.117
93.152.154.171
User Agents
Mit diesen User-Agent-Strings identifiziert sich crawler4j:
crawler4j (http://code.google.com/p/crawler4j/)