死链检测工具怎样取得可复查的状态证据
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /09c089d7b3b2.html
📄
死链检测工具怎样取得可复查的状态证据
可复查的状态证据，指的是任何人拿到你保存的原始响应，都能独立判断某个URL当时是404、410、超时还是被拦截，而不是只看到一句“检测到死链”。做法是：让工具输出每一条URL的HTTP状态码、请求时间、最终跳转地址和响应头摘要，把原始结果按批次保存，再对可疑项做第二次独立请求。只截图或只导出“错误数量”，都不算可复查。
先确认工具输出里必须有的四个字段
无论用命令行工具、爬虫软件还是在线检测服务，合格的导出结果至少应包含：
- 请求URL：原始地址，包含协议和路径，便于复现。
- HTTP状态码：如404、410、500、301、302，或超时、连接失败等异常标记。
- 检测时间：精确到日期，最好带时区，因为临时故障和永久失效的处置方式不同。
- 最终地址：跟随跳转后落地的URL，用来区分“真死链”和“跳转链中间环节”。
如果工具只给出“失效链接：37个”这类汇总，没有逐条明细，就不具备复查基础。此时应换用能导出CSV或JSON的方式，或者用命令行工具自行抓取状态码。
用两次独立请求区分“真失效”和“临时异常”
单次检测结果可能是网络抖动、目标站限流或CDN节点问题，不能直接判定为死链。可行的判断方法是：
- 第一次用检测工具批量跑完整站，保存原始导出文件。
- 把状态码为404、410之外的异常项（超时、403、429、5xx）单独列出来。
- 间隔一段时间后，对这些异常项做第二次请求，最好换一个网络出口或工具。
- 两次结果一致且为404或410，才作为优先处理对象；两次结果不一致，标记为“待观察”，不急着改链接。
适用条件：站点规模不大、人手有限时，优先处理两次都确认失效的链接，能避免把时间花在临时故障上。判断结果：两次都是410，说明对方明确表示资源已移除，应尽快替换或删除入口；两次都是404但对方站点正常，说明路径已变，可尝试查找新地址。
保存证据时保留原始响应，而不只是结论
可复查的关键在于保留“原料”。建议每次检测建立一个独立目录，存放：
- 导出的状态码明细文件，文件名带检测日期。
- 对重点URL用
curl -I抓取的响应头，包含状态行和Location字段。 - 检测时使用的工具名称与版本，以及请求方式（GET或HEAD）。
注意：HEAD请求和GET请求返回的状态码偶尔不同，部分服务器对HEAD处理不规范。如果两次结果矛盾，以GET请求为准，并在记录中注明。这一步能解释“为什么工具说404，浏览器却能打开”之类的分歧。
把状态证据和抓取规则分开核对
检测结果异常时，先排除自身配置造成的假死链：
- 查看robots.txt是否禁止了检测工具抓取，被限制抓取会产生类似失效的假象，但它不等于页面被索引移除。
- 确认站点地图里的URL是否真实可访问，站点地图存在某条URL并不保证它被收录，也不保证它返回200。
- 检查是否因HTTPS证书、跳转协议不一致导致请求失败，证书正常也不代表页面没有其他问题。
不同搜索引擎对410和404的处理并不一致，需要分别核查各自站长平台的抓取与索引报告，不能用一个平台的结论推断另一个平台。
按影响面排优先级，先处理这三类
时间和人手有限时，按以下顺序处理可复查证据支持的失效项：
- 有内部链接指向、且曾带来访问的404或410页面。
- 出现在导航、栏目页或站点地图中的失效URL。
- 被外部引用、但已确认410的地址。
判断依据是链接位置和引用来源，而不是失效数量本身。一个位于主导航的404，影响通常大于几十个无人引用的旧页面。处理完成后，对修改过的URL再做一次检测，把新的状态码追加到同一份记录中，形成前后对照。
下一步：选一个能导出逐条状态码的工具，对全站跑一次并保存原始文件，然后只挑出两次请求结果一致的404和410，按上面的顺序开始处理。
