Web ARChive - Web ARChive
| Dateinamenerweiterung |
.warc
|
|---|---|
| Internet-Medientyp |
anwendung / warc |
| Erweitert von | BOGEN |
| Standard | ISO 28500: 2017 |
| Offenes Format ? | Ja |
| Webseite | iipc |
Die Webarchiv (RWB) Archivformat legt ein Verfahren für mehrere digitale Ressourcen in ein Aggregat kombiniert Archivdatei zusammen mit zugehörigen Informationen. Das WARC-Format ist eine Überarbeitung des ARC_IA-Dateiformats des Internetarchivs , das traditionell zum Speichern von " Webcrawls " als Sequenzen von Inhaltsblöcken verwendet wird, die aus dem World Wide Web entnommen wurden . Das WARC-Format verallgemeinert das ältere Format, um die Ernte-, Zugriffs- und Austauschanforderungen von Archivierungsorganisationen besser zu unterstützen. Neben dem aktuell aufgezeichneten primären Inhalt werden in der Revision auch verwandte sekundäre Inhalte berücksichtigt, z. B. zugewiesene Metadaten , abgekürzte doppelte Erkennungsereignisse und Transformationen zu einem späteren Zeitpunkt. Das WARC-Format ist von HTTP / 1.0-Streams inspiriert, mit einem ähnlichen Header und der Verwendung von CRLFs als Trennzeichen, was es für Crawler-Implementierungen sehr förderlich macht.
WARC wurde 2008 erstmals spezifiziert und wird heute von den meisten nationalen Bibliothekssystemen als Standard für die Webarchivierung anerkannt.
Software
- Heritrix Webarchiver in Java
- wget (seit Version 1.14)
- Webrecorder
- StormCrawler
- Apache Nutch
- libarchiv
Verweise
Externe Links
- http://archive-access.sourceforge.net/warc/
- http://bibnum.bnf.fr/WARC/
- http://www.digitalpreservation.gov/formats/fdd/fdd000236.shtml
- https://netpreserve.org/resources/WARC_Guidelines_v1.pdf
- https://iipc.github.io/warc-specifications/
- http://crawler.archive.org/articles/developer_manual/arcs.html
 |
Dieser Artikel im Zusammenhang mit dem World Wide Web ist ein Stub . Sie können Wikipedia helfen, indem Sie es erweitern . |