早之前記的一個筆記了，之前只是記錄了兩句代碼，放出來的話也是一個低質(zhì)量的頁面，于是設(shè)置為了僅自己可見，今晚抽空補充一下。
記得當(dāng)?shù)那榫皯?yīng)該是提交sitemap時百度老提示有錯誤的URL，導(dǎo)致sitemap不能正常被抓取，于是在想辦法解決這個問題，所以才有下面這些筆記：用shell批量找出網(wǎng)站空頁面和404錯誤頁面。
廢話不多說，直接上shell代碼：
復(fù)制代碼 代碼如下:
time cat sitemap.txt|while read line;do curl -l $line -m 5 --connect-timeout 5 -o /dev/null -s -w "$line "%{http_code}" "%{size_download}"\n";done
前面加了一個time是為了看看代碼執(zhí)行所花的時間
%{http_code}意思是返回HTTP狀態(tài)碼，通過這個狀態(tài)碼我們就能知道該鏈接是正常的200鏈接，還是404錯誤鏈接；
%{size_download}意思是返回當(dāng)前頁面的大小，如果值太小的話，說明這些頁面很有可能是低質(zhì)量的空頁面，得想辦法剔除掉。
