Shell脚本

　　说做就做，简单的写了个 Shell 脚本就搞定了!

　　脚本名称：网站死链生成脚本

　　脚本功能：每天定时分析网站前一天的 nginx 日志， 然后提取状态码为404并且UA为百度蜘蛛的抓取路径，并写入到网站根目录下的 death.txt 文件，用于提交百度死链。

　　脚本代码：

　　#!/bin/bash

　　#Desc: Death Chain File Script

　　#Author: ZhangGe

　　#Blog: http://你的域名/5038.html

　　#Date: 2015-05-03

　　#初始化变量

　　#定义蜘蛛UA信息(默认是百度蜘蛛)

　　UA=+http://www.baidu.com/search/spider.html

　　#前一天的日期(nginx日志)

　　DATE=`date +%Y-%m-%d -d "1 day ago"`

　　#定义日志路径

　　logfile=/home/wwwlogs/你的域名_${DATE}.log

　　#定义死链文件存放路径

　　deathfile=/home/wwwroot/你的域名/death.txt

　　#定义网站访问地址

　　website=http://你的域名

　　#分析日志并保存死链数据

　　for url in `cat ${logfile} | grep -i "${UA}" | awk '{print $7 " " $9}' | grep " 404" | awk '{print $1}'`

　　do

　　grep "$url" ${deathfile} >/dev/null || echo ${website}${url} >>${deathfile}

　　done

　　使用说明：

　　①、脚本适用于每天都做了日志切割的Nginx

　　②、将代码保存为 shell 脚本，比如 deathlink.sh，然后如下建立任务计划：

　　#执行如下命令编辑任务计划

　　[root@Mars_Server ~]# crontab -e

　　#每天凌晨1点执行此脚本

　　0 1 */1 * * /root/death.sh >/dev/null 2>&1

　　#按下ESC，然后键入 :wq 保存并退出

　　③、执行后，将在网站根目录生成死链文件：death.txt，可以浏览器访问看看内容，比如：

　　http://你的域名/death.txt

　　④、前往立即前往提交这个死链文件即可：

　　这样一来，系统会每天执行脚本，将昨天的百度蜘蛛爬到的404路径保存到网站根目录下的 death.txt，以备百度死链抓取工具前来抓取。

　　值得说明的是，这些死链记录是累加的，已保存的死链数据，就算百度蜘蛛不爬了也会继续保存，需要人工清理，不过一般不清理也没啥问题。

　　注意事项：如果你的 nginx服务 并没有配置相应的 access 日志，请自行在 server 下添加所需网站的 access 日志，否则脚本无法使用。

　　三、其他拓展

　　①、如果你之前没有做过 Nginx 日志切割，那么可以直接用下面这个脚本来一次性搞定：

　　#!/bin/bash

　　#Desc: Cut Nginx Log and Create Death Chain File

　　#Author: ZhangGe

　　#Blog: http://你的域名/5038.html

　　#Date: 2015-05-03

　　#①、初始化变量：

　　#定义access日志存放路径

　　LOGS_PATH=/home/wwwlogs

　　#定义蜘蛛UA信息(默认是百度蜘蛛)

　　UA=+http://www.baidu.com/search/spider.html

　　#定义网站域名(需要先给相应的网站以域名形式配置了nginx日志，比如你的域名.log)

　　DOMAIN=你的域名

　　#定义前一天日期

　　DATE=`date +%Y-%m-%d -d "1 day ago"`

　　#定义日志路径

　　logfile=/home/wwwlogs/你的域名_${DATE}.log

　　#定义死链文件存放路径

　　deathfile=/home/wwwroot/你的域名/death.txt

　　#定义网站访问地址

　　website=http://你的域名

　　#②、Nginx日志切割

　　mv ${LOGS_PATH}/${DOMAIN}.log ${LOGS_PATH}/${DOMAIN}_${DATE}.log

　　kill -USR1 `ps axu | grep "nginx: master process" | grep -v grep | awk '{print $2}'`

　　#可选功能: 自动删除30天之前的日志，可自行修改保存时长。

　　cd ${LOGS_PATH}

　　find . -mtime +30 -name "*20[1-9][3-9]*" | xargs rm -f

　　#③、网站死链生成(百度专用)

　　#分析日志并保存死链数据

　　for url in `cat ${logfile} | grep -i "${UA}" | awk '{print $7 " " $9}' | grep " 404" | awk '{print $1}'`

　　do

　　grep "$url" ${deathfile} >/dev/null || echo ${website}${url} >>${deathfile}

　　done

　　②、其他WEB服务器，比如 Apache 或 IIS，只要参考脚本思路，修改成实际的路径或日志字段，同样可以写一个相同功能的 Shell 或 Batch 脚本，有需求的朋友自己去研究折腾吧!