Форум Сайтостроение Веб-строительство

Проверка "битых" линков наподобие badlinks.ru

[Удален]
489

Набросал "на коленке". Если на странице не линки на скачивание дивидюков, то даже не очень долго работает и не дюже жрет трафик.

И все же, рекомендую гонять под денвером или под другим локальным сервером, хостеру может не понравиться большой входящий трафик. 

<?php

define('LIMIT', 0);

$is_safe_mode = ini_get('safe_mode') == '1' ? 1 : 0;

if (!$is_safe_mode && function_exists('set_time_limit')) set_time_limit(TIME_LIMIT);



header("Expires: Tue, 1 Jul 2003 05:00:00 GMT");

header("Last-Modified: " . gmdate("D, d M Y H:i:s") . " GMT");

header("Cache-Control: no-store, no-cache, must-revalidate");

header("Pragma: no-cache");



if( !isSet($_GET['test']) )$_GET['test'] = "";



if($_GET['test'] == "")$output = "<h2 align=\"center\">Поиск &quot;битых&quot; линков:</h2>".first_form();

else

{

	$output = get_objects($_GET['test'])."<h2 align=\"center\">Новый поиск:</h2>".first_form();

}



echo '<html>

<head>

<title>Поиск &quot;битых&quot; линков и потерянных имиджей</title>

</head>

<body>

'.$output.'

</body>

</html>';



function first_form()

{

	return '<form action=""><div align="center">

	<strong>URL проверяемой страницы</strong>:&nbsp;<input type="text" name="test" id="test" value="http://" size="37" maxlength="128">

	<input type="submit" value="Проверить!">

	<br>(URL должен заканчиваться знаком "/" или именем файла)</div></form>';

}



function get_objects($url)

{

	$text = file_get_contents($url);

	$text = str_replace("''","",$text);

	$text = str_replace("\"\"","",$text);

	$links = array();

	

	// Поиск для конструкций src="..."

	preg_match_all("/src=\"(.+?)\"/is",$text,$tmp_links);

	while(count($tmp_links[0]))

	{

		$links = array_merge($links,$tmp_links[1]);    // добавляем свеженайденые URL в список

		$text = str_replace($tmp_links[0],$tmp_links[1],$text);    // убираем найденые URL из текста

		$text = str_replace("src=\"\"","",$text);

		preg_match_all("/src=\"(.+?)\"/is",$text,$tmp_links);  // продолжаем поиск

    }

	// Повторяем поиск для конструкций src='...'

	preg_match_all("/src='(.+?)'/is",$text,$tmp_links);

	while(count($tmp_links[0]))

	{

		$links = array_merge($links,$tmp_links[1]);

		$text = str_replace($tmp_links[0],$tmp_links[1],$text);

		$text = str_replace("src=''","",$text);

		preg_match_all("/src='(.+?)'/is",$text,$tmp_links);

    }

	// Повторяем поиск для конструкций href="..."

	preg_match_all("/href=\"(.+?)\"/is",$text,$tmp_links);

	while(count($tmp_links[0]))

	{

		$links = array_merge($links,$tmp_links[1]);

		$text = str_replace($tmp_links[0],$tmp_links[1],$text);

		$text = str_replace("src=\"\"","",$text);

		preg_match_all("/href=\"(.+?)\"/is",$text,$tmp_links);

    }

	// Повторяем поиск для конструкций href='...'

	preg_match_all("/href='(.+?)'/is",$text,$tmp_links);

	while(count($tmp_links[0]))

	{

		$links = array_merge($links,$tmp_links[1]);

		$text = str_replace($tmp_links[0],$tmp_links[1],$text);

		$text = str_replace("src=''","",$text);

		preg_match_all("/href='(.+?)'/is",$text,$tmp_links);

    }

	

	$base_href = explode("/",$_GET['test']);

	$base_href[(count($base_href)-1)] = "";

	$base_href = implode("/",$base_href);

	

	$links_cleaned = Array();

	foreach($links as $link)

	{

		$href = $base_href;

		while( substr($link,0,3)=="../" )

		{

			$link = substr($link,3);

			$href = substr($base_href,0,-1);

			

			$href = explode("/",$href);

			$href[(count($href)-1)] = "";

			$href = implode("/",$href);

		}

		if(substr($link,0,7)!="http://")$link = $href.$link;

		$link = str_replace("/./","/",$link);

		if(

		!stristr($link,"javascript:")

		and !stristr($link,"(")

		and !stristr($link,"+")

		and !stristr($link,"mailto:")

		)

		$links_cleaned[] = $link;

	}

	

	$links_cleaned = array_unique($links_cleaned);

	error_reporting(0);

	$links = array();

	foreach($links_cleaned as $link)

	{

		$text = file_get_contents($link);

		if( strlen($text)>0 )$links[] = "<font color=\"#008000\">".$link."</font>";

		else $links[] = "<font color=\"#FF0000\"><strong>".$link."</strong> (битая ссылка)</font>";

	}

	return implode("<br>",$links);

}



?>

Если у кого-нибудь будут идеи как проверить "живость" линка не скачивая весь контент по линку - буду признателен.

embo
На сайте с 05.12.2008
Offline
24
embo
#1

я бы на вашем месте через сокеты скачивал, к примеру, 512 байт. иначе ссылка на какой-нибудь ISO файл даст повод для размышления.

Плавно двигаемся от сапы к статьям (http://miralinks.ru/users/registration/from:4223)
[Удален]
#2

Сделал через курл проверку HTTP-ответа сервера, вроде пошустрее стало, даже рискнул сделать сканирование первого уровня вложенности от заданной страницы.

Полный код тут.

Авторизуйтесь или зарегистрируйтесь, чтобы оставить комментарий