.gitignore

@@ -29,9 +29,6 @@ bredelar.info/logs/
 jamulix.de/data/
 jamulix.de/reports/
 jamulix.de/logs/
-example.com/data/
-example.com/reports/
-example.com/logs/
 
 # Editor
 .idea/

config/allowed_external.yaml

@@ -0,0 +1,52 @@
+# Whitelist erlaubter externer Domains — bredelar.info
+# Erstellt nach initialem Crawl und manueller Sichtprüfung am 2026-06-12.
+# Neue externe Domains, die NICHT hier stehen, lösen einen Alarm aus.
+
+# Lokale Vereine, Institutionen, Betriebe
+- www.bergbauspuren-bredelar.de
+- www.bergbauspuren.de
+- www.kloster-bredelar.de
+- www.schuetzen-bredelar.de
+- www.klosterschuetzen-bredelar.de
+- www.bsg-bredelar.de
+- www.sg-hoppecketal.de
+- www.sg-hoppecketal-padberg.de
+- www.feuerwehrhütte-bredelar.de
+- www.lesdurs-mc.de
+- www.kantorei-marsberg.de
+- www.tourismus-marsberg.de
+- www.katholische-kirche-marsberg.de
+- www.marsberg.ekvw.de
+
+# Lokale Unternehmen (Gewerbetreibende aus bredelar.info/companies/)
+- www.VolksbankMarsberg.de
+- www.borghoff-bredelar.de
+- www.dachdeckermarsberg.de
+- www.maler-luce.de
+- www.pyls-pflasterbau.de
+
+# Technische Ressourcen (Fonts, CDN, Wetter-Widget)
+- fonts.googleapis.com
+- fonts.gstatic.com
+- cdnjs.cloudflare.com
+- www.wetter.com
+- static1.wetter.com
+
+# Datenschutzerklärung / Impressum (gesetzlich vorgeschriebene Links)
+- ec.europa.eu
+- www.e-recht24.de
+- www.heise.de
+- www.ratgeberrecht.eu
+- www.privacyshield.gov
+- policies.google.com
+- www.google.com
+- adssettings.google.com
+- developers.facebook.com
+- www.facebook.com
+- twitter.com
+
+# Webentwickler / Technischer Betreiber
+- www.antillu.de
+
+# www-Variante der eigenen Domain (wird intern verlinkt)
+- www.bredelar.info

config/allowed_paths.yaml

@@ -0,0 +1,17 @@
+# Whitelist erlaubter interner URL-Pfade (optional)
+#
+# Wenn diese Liste befüllt ist, lösen interne Links auf nicht gelistete
+# Pfade einen Alarm aus.
+# Leer lassen = keine Pfad-Whitelist-Prüfung (nur Baseline-Diff zählt).
+#
+# Format: ein Pfad pro Zeile (absoluter Pfad, ohne Domain)
+# Beispiel für bredelar.info:
+#
+# - /
+# - /index.html
+# - /kontakt/
+# - /kontakt/index.html
+# - /impressum/
+# - /datenschutz/
+# - /ueber-uns/
+# - /aktuelles/

config/ignore_rules.yaml

@@ -0,0 +1,23 @@
+# Normalisierungsregeln für den Diff
+#
+# Diese Einstellungen reduzieren Fehlalarme durch harmlose, automatisch
+# generierte Inhaltsänderungen.
+
+# CSS-Selektoren, die vor dem Diff aus dem DOM entfernt werden.
+# Nützlich für Elemente mit automatischen Zeitstempeln oder Zählern.
+ignore_selectors:
+  # - "#last-modified"
+  # - ".timestamp"
+  # - "[data-cache-buster]"
+  # - ".cookie-banner"
+
+# Reguläre Ausdrücke, die im normalisierten Text durch [IGNORED] ersetzt werden.
+# Nützlich für Datumsangaben, Versionsnummern, etc.
+ignore_patterns:
+  # Datumsformate (deutsch: 12.06.2026 oder 12. Juni 2026)
+  # - '\b\d{1,2}\.\s*(?:Januar|Februar|März|April|Mai|Juni|Juli|August|September|Oktober|November|Dezember)\s+\d{4}\b'
+  # - '\b\d{1,2}\.\d{1,2}\.\d{4}\b'
+  # "Stand: ..." Angaben
+  # - 'Stand:\s+\S+'
+  # Cache-Buster in URLs (werden im HTML-Text sichtbar)
+  # - '\?v=[\w.]+\b'

example.com/config.yaml

@@ -1,165 +0,0 @@
-# ============================================================
-# Integrity Scanner — Konfigurationsvorlage
-# ============================================================
-# Verwendung:
-#   1. Dieses Verzeichnis kopieren:
-#        cp -r example.com meine-seite.de
-#   2. In meine-seite.de/config.yaml alle Stellen mit
-#      "example.com" durch die echte Domain ersetzen.
-#   3. Verzeichnis in .gitignore eintragen (data/reports/logs).
-#   4. Erste Einrichtung:
-#        python -m scanner --config meine-seite.de/config.yaml init
-# ============================================================
-
-# --- Ziel-Website ---
-target: "https://example.com"
-
-# User-Agent, mit dem der Scanner sich bei der Website meldet.
-# Bitte nicht auf einen Browser-Agent ändern — der Scanner soll erkennbar sein.
-user_agent: "integrity-scanner/1.0 (+security-monitoring)"
-
-# Timeout in Sekunden pro HTTP-Anfrage
-request_timeout: 20
-
-# --- Verzeichnisse (müssen absolut angegeben werden) ---
-# Pfad zum Projektverzeichnis anpassen!
-data_dir:    "/home/dschlueter/Python_Programs/integrity_scanner_fuer_statische_Webseiten/example.com/data"
-reports_dir: "/home/dschlueter/Python_Programs/integrity_scanner_fuer_statische_Webseiten/example.com/reports"
-logs_dir:    "/home/dschlueter/Python_Programs/integrity_scanner_fuer_statische_Webseiten/example.com/logs"
-config_dir:  "/home/dschlueter/Python_Programs/integrity_scanner_fuer_statische_Webseiten/example.com/config"
-
-# --- Crawl-Einstellungen ---
-crawl:
-  # Maximale Anzahl Seiten pro Crawl (Schutz vor endlosen Websites)
-  max_pages: 200
-
-  # Wartezeit zwischen zwei Seitenanfragen in Sekunden (Server schonen)
-  delay_seconds: 1.0
-
-  respect_robots_txt: false
-
-  # Pfade, die vom Scan ausgeschlossen werden sollen.
-  # Nützlich für Bereiche mit gewollt häufig wechselnden Inhalten,
-  # z. B. RSS-Feeds, News-Archive, Nutzerprofile.
-  # Beispiel: ["/rss/", "/feed/", "/news/archiv/", "/user/"]
-  exclude_paths: []
-
-  # Dateiendungen, die nicht gecrawlt werden (Binärdateien)
-  skip_extensions:
-    - ".jpg"
-    - ".jpeg"
-    - ".png"
-    - ".gif"
-    - ".webp"
-    - ".svg"
-    - ".ico"
-    - ".pdf"
-    - ".zip"
-    - ".woff"
-    - ".woff2"
-    - ".ttf"
-    - ".otf"
-    - ".eot"
-    - ".mp4"
-    - ".mp3"
-    - ".webm"
-    - ".avi"
-    - ".mov"
-
-# --- Bewertungsgewichte ---
-# Jedes Ereignis erhöht den Score. Ab 20 = gelb, ab 60 = rot.
-# Die Werte können hier für diese Website angepasst werden.
-scoring:
-  new_external_domain: 50        # Neuer Verweis auf fremde Domain
-  new_internal_url: 30           # Neue interne Seite aufgetaucht
-  missing_internal_url: 20       # Bekannte Seite verschwunden
-  hidden_content: 40             # Unsichtbarer Text/Link (display:none)
-  unexpected_canonical: 35       # Canonical-Tag geändert
-  meta_refresh: 40               # Automatische Weiterleitung eingebaut
-  unexpected_jsonld: 35          # Unbekannter JSON-LD-Typ
-  large_text_addition: 20        # Großer neuer Textblock (>200 Zeichen)
-  new_inline_script_suspicious: 30  # Verdächtiges inline JavaScript
-  comment_links: 25              # Link in HTML-Kommentar versteckt
-  new_broken_link: 20            # Neuer kaputt interner Link
-  suspicious_filename: 60        # Webshell-typischer Dateiname verlinkt
-  cloaking_extra_link: 60        # Nur für Google-Bot sichtbarer Link
-  cloaking_extra_text: 40        # Nur für Google-Bot sichtbarer Text
-  cloaking_vary_ua: 25           # Server sendet verschiedene Inhalte je UA
-  changed_script: 40             # JavaScript-Datei verändert
-  changed_stylesheet: 30         # CSS-Datei verändert
-  changed_asset: 20              # Bild/PDF/sonstige Datei verändert
-
-thresholds:
-  yellow: 20    # Ab diesem Score: Warnung (gelb) — Bitte prüfen
-  red: 60       # Ab diesem Score: Alarm (rot) — Sofort prüfen
-  large_text_block_chars: 200
-
-# --- Wöchentliche Zusatzprüfungen ---
-# Laufen automatisch beim täglichen `scan` mit — kein separater Aufruf nötig.
-periodic_checks:
-  enabled: true
-  interval_days: 7
-  cloak_check: true    # Prüft ob Google andere Inhalte sieht als Besucher
-  ext_links: true      # Prüft ob externe Links noch erreichbar sind
-  assets: true         # Prüft ob CSS/JS/Bilder sich verändert haben
-
-# --- E-Mail-Benachrichtigung ---
-# Passwort NIEMALS hier eintragen — nur als Umgebungsvariable:
-#   export SCANNER_SMTP_PASSWORD="geheimesPasswort"
-alerting:
-  min_level: "yellow"   # "yellow" = bei Gelb und Rot mailen; "red" = nur bei Rot
-  email:
-    enabled: false      # Auf true setzen wenn SMTP konfiguriert
-    smtp_host: "mail.example.com"
-    smtp_port: 587
-    smtp_tls: true
-    smtp_user: "scanner@example.com"
-    smtp_password_env: "SCANNER_SMTP_PASSWORD"
-    from: "scanner@example.com"
-    to:
-      - "admin@example.com"
-  webhook:
-    enabled: false
-    url: ""   # z.B. Slack-Webhook oder Telegram-Bot-URL
-
-# --- Normalisierung ---
-# Elemente, die vor dem Vergleich aus dem HTML entfernt werden
-# (z. B. dynamische Datums-/Zeitanzeigen die sich täglich ändern).
-normalization:
-  strip_html_comments: true
-  collapse_whitespace: true
-  ignore_selectors:
-    # - "#last-modified"    # Element mit dieser ID ignorieren
-    # - ".timestamp"        # Alle Elemente mit dieser CSS-Klasse ignorieren
-  ignore_patterns:
-    # - '\d{1,2}\.\d{1,2}\.\d{4}'   # Datumsangaben im Text ignorieren
-    # - 'Stand:\s+\S+'
-
-# --- Erlaubte JSON-LD-Typen ---
-# Alles, was hier nicht steht und auf der Website auftaucht, löst Alarm aus.
-allowed_jsonld_types:
-  - "Organization"
-  - "WebSite"
-  - "WebPage"
-  - "Article"
-  - "BreadcrumbList"
-  - "ItemList"
-  - "LocalBusiness"
-  - "Place"
-  - "Person"
-  - "Event"
-  - "FAQPage"
-  - "Question"
-  - "Answer"
-  - "ImageObject"
-  - "SiteLinksSearchBox"
-  - "ContactPage"
-  - "AboutPage"
-
-# --- Erwartete Security-Header ---
-# Fehlen diese Header, erscheint ein Hinweis im Report (kein Score-Einfluss).
-security_headers:
-  - "Content-Security-Policy"
-  - "Strict-Transport-Security"
-  - "X-Content-Type-Options"
-  - "Referrer-Policy"

example.com/config/allowed_external.yaml

@@ -1,11 +0,0 @@
-# Erlaubte externe Domains für example.com
-#
-# Nach dem ersten `init`-Crawl alle legitimen externen Domains eintragen,
-# die auf der Website verlinkt sind (z.B. CDNs, Social-Media, Partner).
-# Jede Domain, die hier NICHT steht, löst beim nächsten Scan Alarm aus.
-#
-# Beispiele:
-# - fonts.googleapis.com
-# - cdn.jsdelivr.net
-# - www.youtube.com
-# - maps.googleapis.com

example.com/config/ignore_rules.yaml

@@ -1,20 +0,0 @@
-# Ignorierregeln für example.com
-#
-# ignore_selectors: CSS-Selektoren — passende HTML-Elemente werden vor dem
-#   Vergleich entfernt. Nützlich für dynamische Bereiche (Datum, Uhrzeit,
-#   Zähler, zufällige Werbebanner).
-#
-# ignore_patterns: Reguläre Ausdrücke — passende Textstellen werden durch
-#   [IGNORED] ersetzt. Nützlich für Datumsangaben oder sich ändernde Zahlen.
-#
-# Diese Regeln ergänzen die Einstellungen in config.yaml (normalization).
-
-ignore_selectors:
-  # - "#dynamic-counter"
-  # - ".last-updated"
-  # - ".ad-banner"
-
-ignore_patterns:
-  # - '\d{1,2}\.\d{1,2}\.\d{4}'       # Datumsangaben TT.MM.JJJJ
-  # - '\d{1,2}:\d{2}\s*(Uhr)?'        # Zeitangaben
-  # - 'zuletzt geändert am \S+'