surfup

Pengumpul URL sitemap dalam pelayar

Skrip konsol pelayar menelusuri indeks sitemap daripada robots.txt dan memuat turun CSV tanpa URL pendua.

Gunakan langkah ini sebagai senarai semak kerja dan sesuaikannya dengan bukti, skop serta kekangan projek.

Langkah praktikal

  • Buka halaman pada laman sasaran, kemudian buka konsol pembangun pelayar. Skrip ini bermula daripada robots.txt laman tersebut.
  • Jika alat pembangun pelayar menyekat tampalan kod, taip sendiri frasa pengesahan yang dipaparkan oleh pelayar. Jangan tampal kod yang belum anda semak.
  • Tampal keseluruhan skrip di bawah dan tekan Enter. Skrip membaca entri Sitemap daripada /robots.txt; jika tiada, skrip akan mencuba /sitemap.xml.
  • Skrip mengikuti indeks sitemap bersarang, mengumpulkan URL halaman dan tarikh terakhir diubah suai, membuang URL pendua dan memuat turun sitemap-urls.csv. Skrip juga menyahmampat fail sitemap gzip dalam pelayar yang menyokongnya.
  • Skrip boleh membaca fail sitemap daripada origin yang sama dan fail rentas origin yang disenaraikan oleh laman jika pelayan berkenaan membenarkan CORS. Permintaan tidak menghantar cookies atau kelayakan. Fail yang memerlukan log masuk, disekat atau rosak akan dilaporkan dalam konsol.
  • Had: 500 fail sitemap, 1,000,000 URL, 25 MB data tanpa mampatan bagi setiap fail sitemap dan tiga minit. Jika had dicapai, CSV yang dimuat turun mungkin tidak lengkap. Untuk laman yang sangat besar, gunakan crawler atau parser baris arahan.

Alat dan katalog userscript