脚本编程

SEO技巧:Shell脚本自动提交网站404死链到搜索引擎

Jager · 5月3日 · 2015年 · · · 8448次已读

最近在折腾博客主题,通常来说大多数人认为换主题会影响SEO,实际上只要你把工作都做到位了,是没有任何问题的。比如,换主题后你得仔细检查标题和描述等内容是否发生改变、换主题后是否带来了大量的404页面等。当然,更细微的可能是换主题之后,网站的内链网络也发生了微妙的改变,但是整体的影响较小。

SEO技巧:Shell脚本自动提交网站404死链到搜索引擎

总之,张戈博客这次更换主题基本上没有看到明显的SEO影响,反而出现几个新的关键词。好了,题外话到此结束,下面分享一下从Nginx日志分析并生成能提交到搜索引擎的死链文件的Shell脚本。

一、前因后果

今天在看百度站长平台的抓取频次的时候,发现最近抓取次数有所下滑,并且平均响应时间也有所上升,感觉和最近频繁折腾主题以及访问量增加有所关系:

SEO技巧:Shell脚本自动提交网站404死链到搜索引擎

这个问题倒是好解决,等主题稳定了,页面静态缓存文件也就不会频繁被手工删除,整个网站的抓取响应时间应该就能回到正常水平。

再往下看,却发现网站抓取中出现的404数据也呈上升趋势:

SEO技巧:Shell脚本自动提交网站404死链到搜索引擎

实际上,张戈博客以前是手动提交过死链文件的,但后来没时间也就没去搭理更新了。看来这个工作还得重新做起来,并且实现自动化才行了。

二、Shell脚本

说做就做,简单的写了个 Shell 脚本就搞定了!

脚本名称:网站死链生成脚本

脚本功能:每天定时分析网站前一天的 nginx 日志, 然后提取状态码为404并且UA为百度蜘蛛的抓取路径,并写入到网站根目录下的 death.txt 文件,用于提交百度死链。

脚本代码

#!/bin/bash
#Desc: Death Chain File Script
#Author: ZhangGe
#Blog: https://zhang.ge/5038.html
#Date: 2015-05-03
#初始化变量
#定义蜘蛛UA信息(默认是百度蜘蛛)
UA='+http://www.baidu.com/search/spider.html'

#前一天的日期(nginx日志)
DATE=`date +%Y-%m-%d -d "1 day ago"`

#定义日志路径
logfile=/home/wwwlogs/zhang.ge_${DATE}.log

#定义死链文件存放路径
deathfile=/home/wwwroot/zhang.ge/death.txt

#定义网站访问地址
website=https://zhang.ge

#分析日志并保存死链数据
for url in `awk -v str="${UA}" '$9=="404" && $15~str {print $7}' ${logfile}`
do
        grep -q "$url" ${deathfile} || echo ${website}${url} >>${deathfile}
done

使用说明:

①、脚本适用于每天都做了日志切割的Nginx,没有做的朋友可以参考博客之前的文章:

nginx日志切割及7天前的历史日志删除脚本

②、将代码保存为 shell 脚本,比如 deathlink.sh,然后如下建立任务计划:

#执行如下命令编辑任务计划
[[email protected]_Server ~]# crontab -e

#每天凌晨1点执行此脚本(注意脚本的实际路径)
0 1 */1 * * /root/death.sh >/dev/null 2>&1

#按下ESC,然后键入 :wq 保存并退出

③、执行后,将在网站根目录生成死链文件:death.txt,可以浏览器访问看看内容,比如:

https://zhang.ge/death.txt

④、前往立即前往提交这个死链文件即可:

SEO技巧:Shell脚本自动提交网站404死链到搜索引擎

这样一来,系统会每天执行脚本,将昨天的百度蜘蛛爬到的404路径保存到网站根目录下的 death.txt,以备百度死链抓取工具前来抓取。

效果截图:

下面贴上这几天死链抓取(百度定时抓取,无需人工干预)及处理情况,效果还是非常明显的:SEO技巧:Shell脚本自动提交网站404死链到搜索引擎

值得说明的是,这些死链记录是累加的,已保存的死链数据,就算百度蜘蛛不爬了也会继续保存,需要人工清理,不过一般不清理也没啥问题。

注意事项:

①、如果你的 nginx服务 并没有配置相应的 access 日志,请自行在 server 下添加所需网站的 access 日志,否则脚本无法使用;

②、脚本适用的access日志格式如下:

log_format  access  '$remote_addr - $remote_user [$time_local] "$request" ' '$status $body_bytes_sent "$http_referer" ' '"$http_user_agent" $http_x_forwarded_for';

 

如果和你的不一样,则需要修改脚本中的awk指定的域(即$9、$15以及$7)。

三、其他拓展

①、如果你之前没有做过 Nginx 日志切割,那么可以直接用下面这个脚本来一次性搞定:

#!/bin/bash
#Desc: Cut Nginx Log and Create Death Chain File
#Author: ZhangGe
#Blog: https://zhang.ge/5038.html
#Date: 2015-05-03

#①、初始化变量:
#定义access日志存放路径
LOGS_PATH=/home/wwwlogs

#定义蜘蛛UA信息(默认是百度蜘蛛)
UA='+http://www.baidu.com/search/spider.html'

#定义网站域名(需要先给相应的网站以域名形式配置了nginx日志,比如zhang.ge.log)
DOMAIN=zhang.ge

#定义前一天日期
DATE=`date +%Y-%m-%d -d "1 day ago"`

#定义日志路径
logfile=/home/wwwlogs/zhang.ge_${DATE}.log

#定义死链文件存放路径
deathfile=/home/wwwroot/zhang.ge/death.txt

#定义网站访问地址
website=https://zhang.ge

#②、Nginx日志切割
mv ${LOGS_PATH}/${DOMAIN}.log ${LOGS_PATH}/${DOMAIN}_${DATE}.log
kill -USR1 `ps axu | grep "nginx: master process" | grep -v grep | awk '{print $2}'`
#可选功能: 自动删除30天之前的日志,可自行修改保存时长。
cd ${LOGS_PATH}
find . -mtime +30 -name "*20[1-9][3-9]*" | xargs rm -f


#③、网站死链生成(百度专用)
#分析日志并保存死链数据
for url in `awk -v str="${UA}" '$9=="404" && $15~str {print $7}' ${logfile}`
do
        grep -q "$url" ${deathfile} || echo ${website}${url} >>${deathfile}
done

②、其他WEB服务器,比如 Apache 或 IIS,只要参考脚本思路,修改成实际的路径或日志字段,同样可以写一个相同功能的 Shell 或 Batch 脚本,有需求的朋友自己去研究折腾吧!

好了,本文暂时就分享这么多,希望对你有所帮助!

74 条回应
  1. 你好中国 2017-4-9 · 21:02

    你真的太强悍了!百度做到 pr5了!!学习收藏了!

  2. 美剧天堂网 2017-4-24 · 17:20

    个人博客做到那么高的权重很不容易呀

  3. xiaochou 2017-4-30 · 9:25

    签到成功!签到时间:上午9:24:55,每日签到,生活更精彩哦~

  4. 电影天堂 2017-6-3 · 11:07

    强悍,大神不愧为大神

  5. 格雷弗动平衡仪 2017-7-11 · 16:24

    文章写的不错,学习到了很多。

  6. 声学成像仪 2017-7-13 · 9:01

    很棒~写的很详细,可以学到很多

  7. 八一中文网 2017-11-20 · 15:48

    学到了 404 可以这样处理

  8. 猢狲 2017-11-27 · 11:14
    [email protected]:~# /data/shell/deathlink.sh
    awk: run time error: regular expression compile failed (missing operand)
    +http://www.baidu.com/search/spider.html
            FILENAME="/data/wwwlogs/www.123.com_nginx_2017-11-26.log" FNR=17 NR=17
    

    请教 运行脚本提示这个错误是什么意思啊

    • Jager 2017-12-1 · 21:17

      代码贴过去不对吧,要么就是系统兼容性问题,玩网站、玩服务器还是用centos比较好,大部分教程基于centos写的,你这个是debian

  9. 网站建设 2018-5-7 · 11:50

    写的很详细很不错,404页面在网站中也是很重要的

  10. 米扑博客 2018-5-7 · 17:24

    每一篇博客,都是精品,值得品鉴 😀

  11. 博主你好,问个问题 2018-8-13 · 11:48

    宝塔面板生成不了404文件文档,代码如下

    #!/bin/bash
    #①、初始化变量:
    #定义access日志存放路径
    LOGS_PATH=/www/wwwlogs
    
    #定义蜘蛛UA信息(默认是百度蜘蛛)
    UA='+http://www.baidu.com/search/spider.html'
    
    #定义网站域名(需要先给相应的网站以域名形式配置了nginx日志,比如zhang.ge.log)
    DOMAIN=csgdzx.com
    
    #定义前一天日期
    DATE=`date +%Y-%m-%d -d "1 day ago"`
    
    #定义日志路径
    logfile=/www/wwwlogs/csgdzx.com_${DATE}.log
    
    #定义死链文件存放路径
    deathfile=/www/wwwroot/csgdzx.com/badlinks.txt
    
    #定义网站访问地址
    website=https://www.csgdzx.com
    
    #②、Nginx日志切割
    mv ${LOGS_PATH}/${DOMAIN}.log ${LOGS_PATH}/${DOMAIN}_${DATE}.log
    kill -USR1 `ps axu | grep "nginx: master process" | grep -v grep | awk '{print $2}'`
    #可选功能: 自动删除30天之前的日志,可自行修改保存时长。
    cd ${LOGS_PATH}
    find . -mtime +30 -name "*20[1-9][3-9]*" | xargs rm -f
    
    
    #③、网站死链生成(百度专用)
    #分析日志并保存死链数据
    for url in `awk -v str="${UA}" '$9=="404" && $15~str {print $7}' ${logfile}`
    do
            grep -q "$url" ${deathfile} || echo ${website}${url} >>${deathfile}
    done
    
  12. 博主你好,问个问题 2018-8-13 · 12:03

    补充一下上一句评论:
    宝塔面板生成不了404文件文档,
    日志格式如下

    123.125.71.28 - - [27/Jul/2018:17:14:59 +0800] "GET / HTTP/1.1" 404 108238 "-" "Mozilla/5.0 (Linux;u;Android 4.2.2;zh-cn;) AppleWebKit/534.46 (KHTML,like Gecko) Version/5.1 Mobile Safari/10600.6.3 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)"
    

    脚本代码如下

    #!/bin/bash
    #①、初始化变量:
    #定义access日志存放路径
    LOGS_PATH=/www/wwwlogs
    
    #定义蜘蛛UA信息(默认是百度蜘蛛)
    UA='+http://www.baidu.com/search/spider.html'
    
    #定义网站域名(需要先给相应的网站以域名形式配置了nginx日志,比如zhang.ge.log)
    DOMAIN=csgdzx.com
    
    #定义前一天日期
    DATE=`date +%Y-%m-%d -d "1 day ago"`
    
    #定义日志路径
    logfile=/www/wwwlogs/csgdzx.com_${DATE}.log
    
    #定义死链文件存放路径
    deathfile=/www/wwwroot/csgdzx.com/badlinks.txt
    
    #定义网站访问地址
    website=https://www.csgdzx.com
    
    #②、Nginx日志切割
    mv ${LOGS_PATH}/${DOMAIN}.log ${LOGS_PATH}/${DOMAIN}_${DATE}.log
    kill -USR1 `ps axu | grep "nginx: master process" | grep -v grep | awk '{print $2}'`
    #可选功能: 自动删除30天之前的日志,可自行修改保存时长。
    cd ${LOGS_PATH}
    find . -mtime +30 -name "*20[1-9][3-9]*" | xargs rm -f
    
    
    #③、网站死链生成(百度专用)
    #分析日志并保存死链数据
    for url in `awk -v str="${UA}" '$9=="404" && $15~str {print $7}' ${logfile}`
    do
            grep -q "$url" ${deathfile} || echo ${website}${url} >>${deathfile}
    done
    
  13. 知识共享网 2019-7-6 · 15:33