三叶运维最近在折腾博客主题，通常来说大多数人认为换主题会影响 SEO，实际上只要你把工作都做到位了，是没有任何问题的。比如，换主题后你得仔细检查标题和描述等内容是否发生改变、换主题后是否带来了大量的 404 页面等。当然，更细微的可能是换主题之后，网站的内链网络也发生了微妙的改变，但是整体的影响较小。
总之，三叶运维这次更换主题基本上没有看到明显的 SEO 影响，反而出现几个新的关键词。好了，题外话到此结束，下面分享一下从 Nginx 日志分析并生成能提交到搜索引擎的死链文件的 Shell 脚本。
一、前因后果
今天在看百度站长平台的抓取频次的时候，发现最近抓取次数有所下滑，并且平均响应时间也有所上升，感觉和最近频繁折腾主题以及访问量增加有所关系：
这个问题倒是好解决，等主题稳定了，页面静态缓存文件也就不会频繁被手工删除，整个网站的抓取响应时间应该就能回到正常水平。
再往下看，却发现网站抓取中出现的 404 数据也呈上升趋势：
实际上，三叶运维以前是手动提交过死链文件的，但后来没时间也就没去搭理更新了。看来这个工作还得重新做起来，并且实现自动化才行了。
二、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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
#!/bin/bash
#Desc: Death Chain File Script
#Author: ZhangGe
#Blog: http://zhangge.net/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/zhangge.net_${DATE}.log
#定义死链文件存放路径
deathfile=/home/wwwroot/zhangge.net/death.txt
#定义网站访问地址
website=http://zhangge.net
#分析日志并保存死链数据
for url in `awk -v str="${UA}" '$9=="404" && $15~str {print $7}' ${logfile}`
do
grep -q "$url" ${deathfile} || echo ${website}${url} >>${deathfile}
done
|
使用说明：
①、脚本适用于每天都做了日志切割的 Nginx，没有做的朋友可以参考博客之前的文章：
②、将代码保存为 shell 脚本，比如 deathlink.sh，然后如下建立任务计划：
|
1
2
3
4
5
6
7
|
#执行如下命令编辑任务计划
[root@Mars_Server ~]# crontab -e
#每天凌晨1点执行此脚本（注意脚本的实际路径）
0 1 */1 * * /root/death.sh >/dev/null 2>&1
#按下ESC，然后键入 :wq 保存并退出
|
③、执行后，将在网站根目录生成死链文件：death.txt，可以浏览器访问看看内容，比如：
④、前往立即前往提交这个死链文件即可：
这样一来，系统会每天执行脚本，将昨天的百度蜘蛛爬到的 404 路径保存到网站根目录下的 death.txt，以备百度死链抓取工具前来抓取。
效果截图：
下面贴上这几天死链抓取（百度定时抓取，无需人工干预）及处理情况，效果还是非常明显的：
值得说明的是，这些死链记录是累加的，已保存的死链数据，就算百度蜘蛛不爬了也会继续保存，需要人工清理，不过一般不清理也没啥问题。
注意事项：
①、如果你的 nginx 服务 并没有配置相应的 access 日志，请自行在 server 下添加所需网站的 access 日志，否则脚本无法使用；
②、脚本适用的 access 日志格式如下：
|
1
|
log_format access '$remote_addr - $remote_user [$time_local] "$request" ' '$status $body_bytes_sent "$http_referer" ' '"$http_user_agent" $http_x_forwarded_for';
|
如果和你的不一样，则需要修改脚本中的 awk 指定的域（即$9、$15 以及$7）。
三、其他拓展
①、如果你之前没有做过 Nginx 日志切割，那么可以直接用下面这个脚本来一次性搞定：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
|
#!/bin/bash
#Desc: Cut Nginx Log and Create Death Chain File
#Author: ZhangGe
#Blog: http://zhangge.net/5038.html
#Date: 2015-05-03
#①、初始化变量：
#定义access日志存放路径
LOGS_PATH=/home/wwwlogs
#定义蜘蛛UA信息（默认是百度蜘蛛）
UA='+http://www.baidu.com/search/spider.html'
#定义网站域名（需要先给相应的网站以域名形式配置了nginx日志，比如zhangge.net.log）
DOMAIN=zhangge.net
#定义前一天日期
DATE=`date +%Y-%m-%d -d "1 day ago"`
#定义日志路径
logfile=/home/wwwlogs/zhangge.net_${DATE}.log
#定义死链文件存放路径
deathfile=/home/wwwroot/zhangge.net/death.txt
#定义网站访问地址
website=http://zhangge.net
#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 ${LOGS_PATH}
find . -mtime +30 -name "*20[1-9][3-9]*" | xargs rm -f
#③、网站死链生成（百度专用）
#分析日志并保存死链数据
for url in `awk -v str="${UA}" '$9=="404" && $15~str {print $7}' ${logfile}`
do
grep -q "$url" ${deathfile} || 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！
好了，本文暂时就分享这么多，希望对你有所帮助！
