Návody vysvětlují implementované kontroly. Jejich použití nezaručuje citaci ani doporučení v AI.
Kontrola TECH-LOG-018, verze navod-2026-09-19.v1. Datum vydání návodu je součástí verze.
Ověření: Spusťte parser nad novým exportem a porovnejte tři čísla, která vypíše; hotovo je, když se přečtené, nezvládnuté a přeskočené řádky sečtou na počet řádků souboru, nezvládnutých je nula a mezi ověřenými zásahy je aspoň jeden crawler s ověřenou identitou.
Omezení: Chybějící nebo neúplný log je neznámý stav, ne důkaz, že crawler nechodil. Kontrola pracuje jen s dodaným exportem a nevidí požadavky, které do něj nepadly, například zachycené na CDN před serverem.
Přístupový log jako důkaz o procházení
Přístupový log je záznam serveru o každém požadavku: čas, adresa, stav odpovědi, velikost, User-Agent a zdrojová IP adresa. Je to jediný podklad, ze kterého se dá doložit, že crawler na web chodí a co dostává. Samotný User-Agent se ale dá podvrhnout, proto se identita ověřuje proti publikovaným rozsahům adres nebo reverzní DNS podle platformy [S24][S39][S43]. Neověřený zásah se nepočítá mezi ověřené ani mezi padělky, je to vlastní kategorie.
Log je zároveň osobní údaj, protože nese IP adresy. Kontrola proto chce vedle souboru i zápis o tom, jak se s ním zachází: dobu uchování a vlastníka ochrany osobních údajů. Bez toho nejde říct, že je hotovo.
Co je potřeba dodat. Bez exportu, nebo s exportem bez retence a vlastníka, kontrola vyjde unknown, a to znamená chybějící podklad, ne vadu webu. Do kontextového souboru zapište artifacts.log_export jako zápis se třemi poli: path (cesta k exportu ve složce evidence/), retention_days (celé číslo dní) a privacy_owner (kdo za ochranu osobních údajů odpovídá; do reportu se neopisuje, jen se zapíše, že existuje). Parser čte formát common, combined i JSON po řádcích a pozná ho po řádku, ne po souboru, takže slepený export z více zdrojů nevadí. Export má pokrývat pevné období a všechny šablony, ne jen chybové řádky.
Jmenovatel každého podílu z logu je počet přečtených řádků: přečtené, nezvládnuté a přeskočené řádky se vždy sečtou na počet řádků souboru. Kdyby se počítalo jen z přečtených, řekl by useknutý export „web nemá chyby 5xx“ o datech, která nikdo neviděl.
Řádky se nepřečetly (LOG_LINES_UNPARSED)
Kdo to opraví: vývojář.
Část řádků exportu parser nezvládl, například 40 z 12 000, a z neúplného exportu se podíly počítat nedají. Nález vypisuje, kolik řádků nezvládl a kolik přeskočil (prázdné řádky), a důvody.
- Podívejte se na nezvládnuté řádky. Nejčastěji je to jiný formát než zbytek souboru, chybějící časové pásmo u času, nebo hlavička exportu uprostřed dat.
- Doplňte parseru chybějící formát, nebo export zopakujte v jednom z formátů, které čte, se všemi poli z minima: čas v UTC, host, cesta s parametry, stav, metoda, velikost, doba odpovědi, User-Agent, zdrojová IP, referer a akce CDN nebo WAF.
- Nechte kontrolu spustit nad novým exportem.
Žádný ověřený crawler (LOG_NO_VERIFIED_CRAWLER)
Kdo to opraví: vývojář.
Všechny řádky se přečetly, ale ověřený zásah crawleru mezi nimi není, jen padělky a neověřené záznamy. Prázdný výsledek ověření neznamená, že crawler nechodí; častěji znamená, že ověření nemělo z čeho vycházet.
- Zkontrolujte rozsah exportu: období, hosty a šablony. Export jen z jednoho dne nebo jen z chybových odpovědí ověřený zásah mít nemusí.
- Zkontrolujte, že export nese skutečnou zdrojovou IP adresu, ne adresu CDN nebo proxy před serverem. Adresa CDN se proti rozsahům crawlerů nikdy neověří.
- Zkontrolujte dostupnost reverzní DNS ze stroje, kde ověření běží; bez ní zůstane každý zásah neověřený.
- Až tohle sedí a ověřený zásah stále chybí, je to výsledek k zapsání jako NEOVĚŘENO, ne nález o webu.
Co tahle kontrola neví
Nevidí požadavky, které do exportu nepadly: zachycené na CDN, odmítnuté firewallem před serverem nebo mimo exportované období. Neříká, jestli crawler obsah použil, jen že si ho vzal. Nulový počet zásahů v neúplném exportu není důkaz o ničem. Retenci a vlastníka kontrola neposuzuje, jen požaduje, aby byly zapsané.
