Was ist cc-download?
Der Webrobot cc-download indexiert und analysiert Inhalte von Webseiten. Er zeigt sich meistens mit der IP Adresse 18.232.100.223 und unter Verwendung des User Agent Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:72.0) Gecko/20100101 Firefox/72.0 (compatible; cc-download/1.0; +https://github.com/rom1504/img2dataset). Mit 0.0014% Marktanteil ist cc-download auf Platz 159 der aktivsten Webrobots im Internet.
„Easily turn large sets of image urls to an image dataset. Can download, resize and package 100M urls in 20h on one machine. – rom1504/img2dataset"
— Offizielle Beschreibung des Betreibers
Technische Einordnung von cc-download
cc-download 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 cc-download abruft, wie häufig die Zugriffe sind und ob der Bot deine robots.txt-Regeln respektiert.
Gefahreneinschätzung und Bewertung
Sollte man cc-download blockieren?
Prüfe zuerst Zugriffshäufigkeit, aufgerufene URLs und User-Agent. Danach kannst du entscheiden, ob eine Blockierung sinnvoll ist.
robots.txt – cc-download blockieren
Füge diese Zeilen in deine robots.txt ein, um cc-download den Zugriff auf deine Website zu verwehren:
User-agent: cc-download
Disallow: /Du kannst den Zugriff auch gezielt einschränken, statt ihn komplett zu blockieren:
User-agent: cc-download
Disallow: /wp-admin/
Disallow: /wp-includes/
Allow: /Häufige Fragen zu cc-download
Ist cc-download gut oder schlecht?
Das hängt vom Einsatzzweck ab. cc-download ist als Web-Crawler eingeordnet. Entscheidend sind Nutzen, Serverlast, Crawl-Verhalten und ob der Bot deine robots.txt-Regeln respektiert.
Wie erkenne ich cc-download in Server-Logs?
Suche nach dem User-Agent-Namen cc-download. Ein beobachteter User-Agent ist Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:72.0) Gecko/20100101 Firefox/72.0 (compatible; cc-download/1.0; +https://github.com/rom1504/img2dataset). 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 2 bekannte IPs
Diese IP-Adressen wurden bisher von cc-download verwendet:
18.232.100.223
54.167.58.1
User Agents
Mit diesen User-Agent-Strings identifiziert sich cc-download:
Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:72.0) Gecko/20100101 Firefox/72.0 (compatible; cc-download/1.0; +https://github.com/rom1504/img2dataset)