surfup

ब्राउज़र में sitemap index से URL इकट्ठा करें

ब्राउज़र console script robots.txt में दिए sitemap index को follow करता है और duplicates हटाकर CSV डाउनलोड करता है।

इन चरणों को काम की checklist की तरह इस्तेमाल करें और इन्हें परियोजना के साक्ष्य, दायरे और सीमाओं के अनुसार ढालें।

व्यावहारिक चरण

  • लक्षित site का कोई page खोलें और browser developer console खोलें। यह script उसी site के robots.txt से शुरू होती है।
  • अगर browser developer tools paste करने से रोकें, तो browser में दिखाई गई confirmation phrase खुद type करें। जिस code की समीक्षा नहीं की है, उसे कभी paste न करें।
  • नीचे दी गई पूरी script paste करें और Enter दबाएँ। यह /robots.txt से Sitemap entries पढ़ती है; कोई entry न मिले तो /sitemap.xml आज़माती है।
  • Script nested sitemap indexes follow करती है, page URLs और last-modified dates इकट्ठा करती है, duplicate URLs हटाती है और sitemap-urls.csv डाउनलोड करती है। समर्थित browsers में gzip sitemap files को decompress भी करती है।
  • यह same-origin sitemap files और site द्वारा बताई गई cross-origin files पढ़ सकती है, यदि वे servers CORS की अनुमति दें। Requests में cookies और credentials शामिल नहीं होते। केवल sign-in से खुलने वाली, blocked या malformed files की सूचना console में दी जाती है।
  • सीमाएँ: 500 sitemap files, 1,000,000 URLs, हर sitemap file में अधिकतम 25 MB uncompressed data और तीन मिनट। सीमा पूरी होने पर डाउनलोड की गई CSV अधूरी हो सकती है। बहुत बड़ी sites के लिए crawler या command-line parser इस्तेमाल करें।

Userscript tools और catalogs