Was ist heritrix?
indexiert und analysiert Inhalte von Webseiten.
Der Webrobot heritrix indexiert und analysiert Inhalte von Webseiten. Er zeigt sich meistens mit der IP Adresse 107.20.100.44 und unter Verwendung des User Agent heritrix/2.0.2 http://www.adsafemedia.com. Mit 0.0039% Marktanteil ist heritrix auf Platz 111 der aktivsten Webrobots im Internet.
„??"
— Offizielle Beschreibung des Betreibers
Technische Einordnung von heritrix
heritrix 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 heritrix abruft, wie häufig die Zugriffe sind und ob der Bot deine robots.txt-Regeln respektiert.
Gefahreneinschätzung und Bewertung
Sollte man heritrix blockieren?
Dieser Bot kann für Indexierung, Sichtbarkeit oder legitime Vorschau-Funktionen nützlich sein. Blockiere ihn nur, wenn er Serverlast oder unerwünschte Zugriffe verursacht.
robots.txt – heritrix blockieren
Füge diese Zeilen in deine robots.txt ein, um heritrix den Zugriff auf deine Website zu verwehren:
User-agent: heritrix
Disallow: /Du kannst den Zugriff auch gezielt einschränken, statt ihn komplett zu blockieren:
User-agent: heritrix
Disallow: /wp-admin/
Disallow: /wp-includes/
Allow: /Häufige Fragen zu heritrix
Ist heritrix gut oder schlecht?
Das hängt vom Einsatzzweck ab. heritrix ist als Suchmaschinenbot eingeordnet. Entscheidend sind Nutzen, Serverlast, Crawl-Verhalten und ob der Bot deine robots.txt-Regeln respektiert.
Wie erkenne ich heritrix in Server-Logs?
Suche nach dem User-Agent-Namen heritrix. Ein beobachteter User-Agent ist heritrix/2.0.2 http://www.adsafemedia.com. 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 35 bekannte IPs
Diese IP-Adressen wurden bisher von heritrix verwendet:
107.20.100.44
107.22.71.84
110.87.98.162
113.240.240.130
116.113.28.179
117.22.254.10
123.124.196.197
124.129.39.14
124.31.219.83
124.88.36.116
128.214.224.188
130.226.222.201
139.18.2.216
171.221.208.133
184.72.137.36
184.72.159.250
184.72.80.248
221.207.153.178
221.213.73.7
222.209.210.44
23.20.228.85
23.22.221.9
42.228.3.234
50.17.150.183
54.146.228.20
54.146.247.54
54.147.92.203
54.160.2.191
54.167.249.94
54.226.243.133
54.237.190.108
54.85.203.62
59.50.71.83
60.13.0.180
67.202.54.164
User Agents
Mit diesen User-Agent-Strings identifiziert sich heritrix:
heritrix/2.0.2 http://www.adsafemedia.comMozilla/5.0 (compatible; heritrix/3.1.1 http://www.baidu.com)Mozilla/5.0 (compatible; sukibot_heritrix/3.1.1 http://suki.ling.helsinki.fi/eng/webmasters.html)Mozilla/5.0 (compatible; heritrix/1.14.4 http://netarkivet.dk/webcrawler)Mozilla/5.0 (compatible; heritrix/3.1.1; UniLeipzigASV http://corpora.informatik.uni-leipzig.de/crawler_faq.html)