脚本编程

Shell+Curl网站健康状态检查脚本,抓出中国博客联盟失联站点

Jager · 8月22日 · 2014年 · · 4641次已读

一开始搭建中国博客联盟,既有博友提醒我,做网址大全这类网站维护很麻烦,需要大量的精力去Debug一些已夭折的网站,更是拿松哥的博客大全举例。当然,我也是深以为然。前些时间,看到梦轩丽人的boke123网址大全的维护记录,好像是纯手工检查,张戈实在是佩服的五体投地,太有毅力了。

现在博客联盟也收录的博客也已破200了,全部来自自主提交,不管你是草博还是名博,张戈不会强买强卖。由于大部分都是建站不过半年的新站,半路放弃、提前太监的博客估计还是有的,于是我决定还是把站点维护这个工作做起来。

上午用PHP做了一个放到了京东云试了下,发现检测速度一般,要等上半天(我写的php太蹩脚,就不献丑了)。

随后,我在VPS上写了一个多线程的网站状态检测脚本,直接从数据库load站点地址,然后用curl去检测返回码,发现速度非常好,基本1分钟内就能出结果

以下是脚本代码:

#!/bin/bash
#Author:ZhangGe
#Date:2014-08-21
#Desc:Check the site of ZGboke Alliance.
#取出网站数据
data=`/usr/bin/mysql  -uroot -p123456 -e "use zgboke;select web_url from dir_websites where web_status='3';" -N -B | awk '{print $1}'`
if [ -z "$data" ];then
        echo "Faild to connect database!"
        exit 1
fi
test -f result.log && rm -f result.log
function delay {
        sleep 3
}
tmp_fifofile=/tmp/$$.fifo
mkfifo  $tmp_fifofile
exec 6<>$tmp_fifofile
rm  $tmp_fifofile
#定义并发线程数,需根据vps配置进行调整。
thread=100
for  ((i=0 ;i<$thread;i++ ))
do
        echo
done>&6
#开始多线程循环检测
for url in $data
do
        read -u6
        {
        #curl抓取网站http状态码
        code=`curl -o /dev/null --retry 3 --retry-max-time 8 -s -w %{http_code} $url`
        echo "$code ---> $url">>result.log
        #判断子线程是否执行成功,并输出结果
        delay &&  {
                echo  "$code ---> $url"
        }  ||  {
                echo  "Check thread error!"
        }
        echo  >& 6
}&
done
#等待所有线程执行完毕
wait
exec 6>&-
#找出非200返回码的站点
echo List of exception website:
cat result.log | grep -v 200
exit 0

Ps:关于shell多线程脚本,后续文章会有一个详细说明,本文篇幅有限,就不多说了。

以下是中国博客联盟第一次成员站点存活检测的结果:

①、 非200返回码的异常站点:

Shell+Curl网站健康状态检查脚本,抓出中国博客联盟失联站点

②、脚本抓取的无法访问站点:

Shell+Curl网站健康状态检查脚本,抓出中国博客联盟失联站点

人工访问筛选结果:

wangyingxue.net(王英学博客):无法访问,经确认处于备案中  √

www.tao0102.com(长江博客):可以访问  √

blog.hack7d.com(Mcdull技术博客):无法访问  ×

www.1992621.com(教师日记):可以访问  √

www.3miaotu.com(三秒兔):无法访问   ×

xiaoxiaomayi.com(小小蚂蚁博客):可以访问 √

www.awrui.com(李文栋博客):可以访问  √

Ps:脚本检测机制为:8s内未连通的判定为异常,并重试3次,最后输出结果,若三次均异常则为000。从图中和人工筛选可以看出,存在一些误杀,这个和8s的设定有一定关系。可以考虑设置为更长时间,得到更准确的结果,当然最终还是要结合人工确认的,所以也没多大关系。

后续,中国博客联盟会制订一个检查周期,最短每星期检查一次,最长一个月检查一次,争取让每个展示的站点都能正常访问。当然,我也会将每次检查的结果公布在中国博客联盟的站长资讯专栏,方便所有成员查看。

由于目前中国博客联盟部署在京东云擎,无法远程操控数据库,所以只好暂时用半自动的模式。等以后有时间搬到了阿里云等VPS上后,将会将脚本改成全自动状态,当有网站联系多次检测为失联状态时,将会暂时将其设置为隐藏状态。

12 条回应
  1. 锐星文化 2014-8-22 · 18:51

    这个看着不错的样子

  2. Phnomi 2014-8-22 · 20:23

    厉害……

  3. 鞋材 2014-8-23 · 9:24

    不懂的飘过

  4. 动漫资讯 2014-8-23 · 11:59

    博主越来越厉害了哈

  5. 梦轩丽人 2014-8-23 · 12:33

    每次都能看到博主推出新的东西,太厉害了!如果一个网站能打开,但是只显示一个错误页,能不能检测?博主有空也帮我做一个本地操作,人工导入网址也行

  6. 热腾网 2014-8-23 · 20:33

    丽人也可以采用下,要不站点多了维护是个问题。

  7. 博客导航网 2014-8-26 · 21:50

    您这么流弊,我在想如果您愿意帮我就好啦,我自认为有一大堆好的创意,可惜技术不行实现不了!

    • Jager 2014-8-27 · 15:59

      可以入群交流。

  8. SEO顾问 2014-11-26 · 2:00

    curl $line http://www.baidu.com -m 5 –connect-timeout 5 -o /dev/null -s -w “$line “%{http_code}”\n”;done,跟我这篇文章中提到的办法有点像http://seofangfa.com/shell/shell-extract-404-pages.html

    • Jager 2014-11-26 · 9:32

      原理一样,你可以试试多线程。

  9. SEO顾问 2014-11-26 · 2:02

    群号多少?

    • Jager 2014-11-26 · 9:31

      群号:272279261