Websites herunterladen, die Doxygen nutzen

Über Doxygen

Wenn wir Doxygen erkennen, läuft nichts, und es lief auch schon länger nichts mehr. Was wir finden, sind die Überreste eines Programms, das seine Arbeit lange vor dem Abruf der Seite erledigt hat. Die Dokumentation wird auf dem Rechner eines Entwicklers oder in einer Build-Pipeline erzeugt, und das daraus entstandene HTML wird auf einen Webserver kopiert, der nicht weiß, womit es erstellt wurde.

Das Tool gibt es seit 1997, und es ist mit den C++-Projekten gewachsen, für deren Dokumentation es geschrieben wurde. Generierte API-Referenzen, Klassenhierarchien, Aufrufgraphen und Dateilisten haben alle eine wiedererkennbare Struktur, und genau diese Struktur, nicht irgendein Serververhalten, erkennt unser Fingerabdruck. Ein Treffer hat daher eine ganz bestimmte Bedeutung. Irgendwo auf dieser Domain hat ein Entwicklungsteam maschinell erzeugte Dokumentation für eine Codebasis veröffentlicht.

Wir verzeichnen 18 verschiedene Versionen im Einsatz, und Version 1.8.13 ist der Build, den eine typische erkannte Seite angibt. Die Version, die in die erzeugten Seiten geschrieben wird, ist eher ein Fossil als ein Statusbericht, denn sie hält den Rechner fest, auf dem der Generator an dem Tag lief, an dem die Dokumentation erstellt wurde, und sagt nichts über die Website von heute. Eine Seite mit einem alten Build ist eine Seite, deren Dokumentation seitdem nicht neu erzeugt wurde, was die Versionsspalte zu einem groben Indikator dafür macht, wann ein Projekt zuletzt Dokumentation veröffentlicht hat, und nicht dafür, was das Projekt heute einsetzt.

Das Tool wird unter der Lizenz GPL v2 veröffentlicht, und unsere Daten nennen keinen Anbieter, was gut zum Charakter der Sache passt. Software dieser Art verbreitet sich, indem sie in ein Build-Skript aufgenommen wird, nicht durch Verkauf, und sie taucht überall dort auf, wo die Entwicklungskultur Dokumentationskommentare in den Quellcode schreibt. Websites von Open-Source-Projekten, Seiten von Universitäten und Laboren, Hardware-Anbieter, die Referenzmaterial zu ihren Bibliotheken veröffentlichen, und interne Entwicklerportale, die zufällig von außen erreichbar sind, landen alle in derselben Gruppe.

Stand Oktober 2026 ist der Fingerabdruck auf 58 Websites sichtbar, und der Bestand, den er umreißt, ist eng gefasst und nützlich. Eine Domain in dieser Datei gehört sehr wahrscheinlich einer Organisation, die Code schreibt, eine Schnittstelle veröffentlicht oder eine Bibliothek ausliefert, was einen schärferen Filter ergibt, als ihn eine Branchenklassifikation meist liefert. Anbieter von Entwicklerwerkzeugen auf der Suche nach Projekten für eine Integration, Recruiter, die Entwicklungsabteilungen kartieren, und Forschende, die die Dokumentationspraxis im Open-Source-Umfeld untersuchen, wollen genau diesen Filter.

Dabei gelten zwei Einschränkungen. Dokumentation liegt oft in einem Unterverzeichnis oder auf einer Docs-Subdomain, sodass eine Zählung pro Domain unterschätzt, wie viele verschiedene Projekte vertreten sind, und sich mehrere voneinander unabhängige Codebasen eine einzige Zeile teilen. Generierte Seiten überleben außerdem die Projekte, aus denen sie stammen, und ein Treffer belegt daher, dass einmal Dokumentation veröffentlicht wurde, nicht aber, dass sie noch jemand pflegt. Die beiden Einschränkungen führen zum selben Schluss. Der Wert der Datei liegt in dem Bestand, den sie herausfiltert, und Abfragen Adresse für Adresse können diesen Bestand nie zusammensetzen, denn dafür müssten Sie die Antwort kennen, bevor Sie fragen könnten.