Web ARChive - Versionsgeschichte

Nina am 21. November 2025 um 21:50 Uhr

2025-11-21T21:50:07Z

← Nächstältere Version		Version vom 21. November 2025, 22:50 Uhr
Zeile 61:		Zeile 61:

	[[Kategorie:Archivformat]]		[[Kategorie:Archivformat]]
	[[Kategorie:~~Archivwesen~~]]		[[Kategorie:Webarchivierung]]
	[[Kategorie:World Wide Web]]
	[[Kategorie:Wikipedia:Seite mit ungeprüften Übersetzungen]]		[[Kategorie:Wikipedia:Seite mit ungeprüften Übersetzungen]]

Aschmidt: Korrektur

2025-11-20T18:17:00Z

Korrektur

← Nächstältere Version		Version vom 20. November 2025, 19:17 Uhr
Zeile 15:		Zeile 15:
	Die [[Library of Congress]] verzeichnet das Format in ihrem Projekt „Sustainability of Digital Formats“.<ref>{{Internetquelle \|url=https://www.loc.gov/preservation/digital/formats/fdd/descriptions.shtml \|titel=Format Description Categories - Sustainability of Digital Formats {{!}} Library of Congress \|abruf=2023-06-06}}</ref>		Die [[Library of Congress]] verzeichnet das Format in ihrem Projekt „Sustainability of Digital Formats“.<ref>{{Internetquelle \|url=https://www.loc.gov/preservation/digital/formats/fdd/descriptions.shtml \|titel=Format Description Categories - Sustainability of Digital Formats {{!}} Library of Congress \|abruf=2023-06-06}}</ref>

	WARC wird heute von den meisten nationalen Bibliothekssystemen als Standard für die Webarchivierung anerkannt. So nutzt es beispielsweise die [[Bayerische Staatsbibliothek]] in ihren Archivierungsprojekten<ref>{{Literatur \|Autor=Tobias Beinert \|Titel=Webarchivierung an der Bayerischen Staatsbibliothek \|Sammelwerk=Bibliotheksdienst \|Band=51 \|Nummer=6 \|Datum=2017-06-01 \|ISSN=2194-9646 \|DOI=10.1515/bd-2017-0052 \|Seiten=490–499 \|Online=https://www.degruyter.com/document/doi/10.1515/bd-2017-0052/html?lang=de \|Abruf=2023-06-06}}</ref> und die [[~~Deutsche Nationalbibliothek~~]] ~~empfiehlt es als Standard~~.<ref>{{Literatur \|Autor=Konstanze Weimer, Astrid Schoger \|Titel=Das Dateiformat WARC für die Webarchivierung \|Hrsg=~~DNB~~ \|Datum=2021-04-26 \|Online=https://files.dnb.de/nestor/kurzartikel/thema_15-WARC.pdf}}</ref>		WARC wird heute von den meisten nationalen Bibliothekssystemen als Standard für die Webarchivierung anerkannt. So nutzt es beispielsweise die [[Bayerische Staatsbibliothek]] in ihren Archivierungsprojekten,<ref>{{Literatur \|Autor=Tobias Beinert \|Titel=Webarchivierung an der Bayerischen Staatsbibliothek \|Sammelwerk=Bibliotheksdienst \|Band=51 \|Nummer=6 \|Datum=2017-06-01 \|ISSN=2194-9646 \|DOI=10.1515/bd-2017-0052 \|Seiten=490–499 \|Online=https://www.degruyter.com/document/doi/10.1515/bd-2017-0052/html?lang=de \|Abruf=2023-06-06}}</ref> und es wird als Standard für die [[Langzeitarchivierung]] empfohlen.<ref>{{Literatur \|Autor=Konstanze Weimer, Astrid Schoger \|Titel=Das Dateiformat WARC für die Webarchivierung \|Hrsg=Bayerische Staatsbibliothek \|Datum=2021-04-26 \|Online=https://files.dnb.de/nestor/kurzartikel/thema_15-WARC.pdf}}</ref>

	== Aufbau ==		== Aufbau ==

TaxonBot: Bot: Korrektur der Wiki-Syntax nach phabricator:T101841

2025-03-06T00:35:51Z

Bot: Korrektur der Wiki-Syntax nach phabricator:T101841

← Nächstältere Version		Version vom 6. März 2025, 01:35 Uhr
Zeile 51:		Zeile 51:

	== Einzelnachweise ==		== Einzelnachweise ==
	<references responsive~~=""~~></references>		<references responsive></references>

	== Weblinks ==		== Weblinks ==

Maxeto0910 am 6. März 2025 um 00:30 Uhr

2025-03-06T00:30:47Z

← Nächstältere Version		Version vom 6. März 2025, 01:30 Uhr
Zeile 43:		Zeile 43:
	* [[Nutch\|Apache Nutch]]		* [[Nutch\|Apache Nutch]]

	== ~~Online Dienste~~ ==		== Onlinedienste ==

	* [https://replayweb.page/ replayweb.page] zum Laden und Betrachten von WARC-Dateien		* [https://replayweb.page/ replayweb.page] zum Laden und Betrachten von WARC-Dateien

Maxeto0910: stünde das Wort nach der Bezeichnung, dann müsste eine unästhetische Durchkopplung stattfinden

2025-03-06T00:29:52Z

stünde das Wort nach der Bezeichnung, dann müsste eine unästhetische Durchkopplung stattfinden

← Nächstältere Version		Version vom 6. März 2025, 01:29 Uhr
Zeile 11:		Zeile 11:
	\| Standard = ISO 28500:2017<ref>{{cite web\|title=Information and documentation -- WARC file format\|url=https://www.iso.org/standard/68004.html\|accessdate=2018-03-16\|language=en}}</ref>		\| Standard = ISO 28500:2017<ref>{{cite web\|title=Information and documentation -- WARC file format\|url=https://www.iso.org/standard/68004.html\|accessdate=2018-03-16\|language=en}}</ref>
	\| Website = https://github.com/iipc/awesome-web-archiving		\| Website = https://github.com/iipc/awesome-web-archiving
	}}Das '''Web ARChive''' (WARC) ~~Archivformat~~ spezifiziert ein Verfahren zum Kombinieren mehrerer digitaler Ressourcen in einer aggregierten Archivdatei mit zugehörigen [[Metadaten]]. Das WARC-Format ist eine Überarbeitung des ARC-Dateiformats des [[Internet Archive]], das traditionell zum Speichern von „Webcrawls“ als Sequenzen von Inhaltsblöcken aus dem [[World Wide Web]] verwendet wird. Das WARC-Format verallgemeinert das ältere Format, um die Anforderungen von Archivierungsunternehmen für die Erfassung, den Zugriff und den Austausch besser zu unterstützen. Neben dem aktuell aufgezeichneten Primärinhalt berücksichtigt die Revision auch verwandte Sekundärinhalte, wie zugewiesene Metadaten.		}}Das Archivformat '''Web ARChive''' (WARC) spezifiziert ein Verfahren zum Kombinieren mehrerer digitaler Ressourcen in einer aggregierten Archivdatei mit zugehörigen [[Metadaten]]. Das WARC-Format ist eine Überarbeitung des ARC-Dateiformats des [[Internet Archive]], das traditionell zum Speichern von „Webcrawls“ als Sequenzen von Inhaltsblöcken aus dem [[World Wide Web]] verwendet wird. Das WARC-Format verallgemeinert das ältere Format, um die Anforderungen von Archivierungsunternehmen für die Erfassung, den Zugriff und den Austausch besser zu unterstützen. Neben dem aktuell aufgezeichneten Primärinhalt berücksichtigt die Revision auch verwandte Sekundärinhalte, wie zugewiesene Metadaten.

	Die [[Library of Congress]] verzeichnet das Format in ihrem Projekt „Sustainability of Digital Formats“.<ref>{{Internetquelle \|url=https://www.loc.gov/preservation/digital/formats/fdd/descriptions.shtml \|titel=Format Description Categories - Sustainability of Digital Formats {{!}} Library of Congress \|abruf=2023-06-06}}</ref>		Die [[Library of Congress]] verzeichnet das Format in ihrem Projekt „Sustainability of Digital Formats“.<ref>{{Internetquelle \|url=https://www.loc.gov/preservation/digital/formats/fdd/descriptions.shtml \|titel=Format Description Categories - Sustainability of Digital Formats {{!}} Library of Congress \|abruf=2023-06-06}}</ref>
Zeile 51:		Zeile 51:

	== Einzelnachweise ==		== Einzelnachweise ==
	<references ~~group=""~~ responsive=""></references>		<references responsive=""></references>

	== Weblinks ==		== Weblinks ==

Invisigoth67: form

2024-11-26T15:45:23Z

form

← Nächstältere Version		Version vom 26. November 2024, 16:45 Uhr
Zeile 4:		Zeile 4:
	\| Screenshot =		\| Screenshot =
	\| Dateiendung = .warc		\| Dateiendung = .warc
	\| MIME = application/warc<ref>{{cite web\|title=application/warc\|url=https://iipc.github.io/warc-specifications/specifications/warc-format/warc-1.1/\|accessdate=2018-03-17\|language=~~english~~}}</ref>		\| MIME = application/warc<ref>{{cite web\|title=application/warc\|url=https://iipc.github.io/warc-specifications/specifications/warc-format/warc-1.1/\|accessdate=2018-03-17\|language=en}}</ref>
	\| Entwickler =		\| Entwickler =
	\| Veröffentlicht =		\| Veröffentlicht =
	\| LetzteVersion =		\| LetzteVersion =
	\| LetzteVersionDatum =		\| LetzteVersionDatum =
	\| Standard = ISO 28500:2017<ref>{{cite web\|title=Information and documentation -- WARC file format\|url=https://www.iso.org/standard/68004.html\|accessdate=2018-03-16\|language=~~english~~}}</ref>		\| Standard = ISO 28500:2017<ref>{{cite web\|title=Information and documentation -- WARC file format\|url=https://www.iso.org/standard/68004.html\|accessdate=2018-03-16\|language=en}}</ref>
	\| Website = https://github.com/iipc/awesome-web-archiving		\| Website = https://github.com/iipc/awesome-web-archiving
	}}Das '''Web ARChive''' (WARC) Archivformat spezifiziert ein Verfahren zum Kombinieren mehrerer digitaler Ressourcen in einer aggregierten Archivdatei mit zugehörigen [[Metadaten]]. Das WARC-Format ist eine Überarbeitung des ARC-Dateiformats des [[Internet Archive]], das traditionell zum Speichern von „Webcrawls“ als Sequenzen von Inhaltsblöcken aus dem [[World Wide Web]] verwendet wird. Das WARC-Format verallgemeinert das ältere Format, um die Anforderungen von Archivierungsunternehmen für die Erfassung, den Zugriff und den Austausch besser zu unterstützen. Neben dem aktuell aufgezeichneten Primärinhalt berücksichtigt die Revision auch verwandte Sekundärinhalte, wie zugewiesene Metadaten.		}}Das '''Web ARChive''' (WARC) Archivformat spezifiziert ein Verfahren zum Kombinieren mehrerer digitaler Ressourcen in einer aggregierten Archivdatei mit zugehörigen [[Metadaten]]. Das WARC-Format ist eine Überarbeitung des ARC-Dateiformats des [[Internet Archive]], das traditionell zum Speichern von „Webcrawls“ als Sequenzen von Inhaltsblöcken aus dem [[World Wide Web]] verwendet wird. Das WARC-Format verallgemeinert das ältere Format, um die Anforderungen von Archivierungsunternehmen für die Erfassung, den Zugriff und den Austausch besser zu unterstützen. Neben dem aktuell aufgezeichneten Primärinhalt berücksichtigt die Revision auch verwandte Sekundärinhalte, wie zugewiesene Metadaten.
Zeile 39:		Zeile 39:
	* [[Heritrix]] in [[Java (Programmiersprache)\|Java]]		* [[Heritrix]] in [[Java (Programmiersprache)\|Java]]
	* [[wget]] (ab Version 1.14<ref name="FSF2012">		* [[wget]] (ab Version 1.14<ref name="FSF2012">
	{{Cite web\|url=https://lists.gnu.org/archive/html/info-gnu/2012-08/msg00002.html\|title=GNU wget 1.14 released\|date=2012-08-06\|accessdate=2016-02-25\|last=Scrivano\|first=Giuseppe\|work=GNU wget 1.14 released\|publisher=Free Software Foundation, Inc.\|language=~~english~~}}</ref>)		{{Cite web\|url=https://lists.gnu.org/archive/html/info-gnu/2012-08/msg00002.html\|title=GNU wget 1.14 released\|date=2012-08-06\|accessdate=2016-02-25\|last=Scrivano\|first=Giuseppe\|work=GNU wget 1.14 released\|publisher=Free Software Foundation, Inc.\|language=en}}</ref>)
	* [[StormCrawler]]		* [[StormCrawler]]
	* [[Nutch\|Apache Nutch]]		* [[Nutch\|Apache Nutch]]

Prüm: /* Weblinks */

2024-04-06T08:59:49Z

Weblinks

← Nächstältere Version		Version vom 6. April 2024, 09:59 Uhr
Zeile 54:		Zeile 54:

	== Weblinks ==		== Weblinks ==

	* http://archive-access.sourceforge.net/warc/		* http://archive-access.sourceforge.net/warc/
	* http://bibnum.bnf.fr/WARC/		* http://bibnum.bnf.fr/WARC/
Zeile 60:		Zeile 59:
	* https://netpreserve.org/resources/WARC_Guidelines_v1.pdf		* https://netpreserve.org/resources/WARC_Guidelines_v1.pdf
	* https://iipc.github.io/warc-specifications/		* https://iipc.github.io/warc-specifications/

	[[Kategorie:~~Datenformat~~]]		[[Kategorie:Archivformat]]
	[[Kategorie:Archivwesen]]		[[Kategorie:Archivwesen]]
	[[Kategorie:World Wide Web]]		[[Kategorie:World Wide Web]]

MFM: typo

2024-03-28T18:44:21Z

typo

← Nächstältere Version		Version vom 28. März 2024, 19:44 Uhr
Zeile 24:		Zeile 24:
	Im Standard werden acht verschiedene Record-Typen vordefiniert:		Im Standard werden acht verschiedene Record-Typen vordefiniert:

	# <code>warcinfo</code> – Befindet sich in der Regel am Anfang der WARC-Datei. Der Record enthält allgemeine Informationen über die darauffolgenden Records, normalerweise also über die Datei selbst. Zu den Metadaten gehören u. a. Name und ~~Emailadresse~~ des Erstellers, außerdem Useragent, IP-Adresse, HTTP-Header und Software, die bei der Archivierung der Daten verwendet wurden.		# <code>warcinfo</code> – Befindet sich in der Regel am Anfang der WARC-Datei. Der Record enthält allgemeine Informationen über die darauffolgenden Records, normalerweise also über die Datei selbst. Zu den Metadaten gehören u. a. Name und E-Mail-Adresse des Erstellers, außerdem Useragent, IP-Adresse, HTTP-Header und Software, die bei der Archivierung der Daten verwendet wurden.
	# <code>response</code> – Enthält die vollständige Antwort (Response nach [[Client-Server-Modell]]) eines Webservers inklusiver ausführlicher Netzwerk- und Protokollinformationen. Folglich befinden sich in dessen Content-Blocks meist die zu speichernde Ressource.		# <code>response</code> – Enthält die vollständige Antwort (Response nach [[Client-Server-Modell]]) eines Webservers inklusiver ausführlicher Netzwerk- und Protokollinformationen. Folglich befinden sich in dessen Content-Blocks meist die zu speichernde Ressource.
	# <code>resource</code> – Falls es nicht möglich oder nicht erwünscht ist, sämtliche Protokollinformationen mit zu speichern, ist ein Ressource-Record für die einfache Speicherung einer Ressource optimal.		# <code>resource</code> – Falls es nicht möglich oder nicht erwünscht ist, sämtliche Protokollinformationen mit zu speichern, ist ein Ressource-Record für die einfache Speicherung einer Ressource optimal.

Wikinger08: /* Aufbau */

2023-07-24T11:37:58Z

Aufbau

← Nächstältere Version		Version vom 24. Juli 2023, 12:37 Uhr
Zeile 33:		Zeile 33:
	# <code>continuation</code> – Der Continuation-Record (englisch für Fortsetzung) ermöglicht es, große Datenmengen über mehrere WARC-Dateien zu verteilen.		# <code>continuation</code> – Der Continuation-Record (englisch für Fortsetzung) ermöglicht es, große Datenmengen über mehrere WARC-Dateien zu verteilen.

	Zwar spezifiziert der WARC-Standard keine Kompression, jedoch kann diese ohne Probleme zur Reduzierung der Speichermenge verwendet werden. Empfohlen wird dabei vom IIPC das GZIP-Format. Deshalb findet man WARC-Dateien öfters mit der Dateiendung ".warc.gz" vor.		Zwar spezifiziert der WARC-Standard keine Kompression, jedoch kann diese ohne Probleme zur Reduzierung der Speichermenge verwendet werden. Empfohlen wird dabei vom [[International Internet Preservation Consortium\|IIPC]] das GZIP-Format. Deshalb findet man WARC-Dateien öfters mit der Dateiendung ".warc.gz" vor.

	== Software ==		== Software ==

Gestumblindi: bleibt

2023-06-21T08:52:38Z

bleibt

← Nächstältere Version		Version vom 21. Juni 2023, 09:52 Uhr
Zeile 1:		Zeile 1:
	<noinclude>
	{{Löschantragstext\|tag=6\|monat=Juni\|jahr=2023\|titel=Web ARChive\|text=Keine Relevanz, genau wie bei [[WACZ]] [[Spezial:Beiträge/2A01:598:B9A1:C994:D01:3573:8906:1B68\|2A01:598:B9A1:C994:D01:3573:8906:1B68]] 22:28, 6. Jun. 2023 (CEST)}}
	----</noinclude>
	{{Infobox Dateiformat		{{Infobox Dateiformat
	\| Name = Web ARChive		\| Name = Web ARChive