网站链接检查神器：broken-link-checker 帮你 5 分钟扫完整站 404

网站链接检查神器：broken-link-checker 帮你 5 分钟扫完整站 404

【免费下载链接】broken-link-checkerFind broken links, missing images, etc within your HTML.项目地址: https://gitcode.com/gh_mirrors/br/broken-link-checker

broken-link-checker 是一个免费的 Node.js 网站链接检查库，一条命令递归爬取整站，自动排查 404 坏链、缺失图片与失效资源。它并发快、配置全、输出清晰，新手也能直接上手，是 SEO 运维和内容维护的省心之选。

一个 404，到底毁掉什么

先说点扎心的。

用户点击一篇文章里的配图，转圈半天，弹出一张 404；客户顺着官网导航找到产品页，页面空白。坏链这种东西，平时你感觉不到它的存在，直到有人投诉、有人流失。

更麻烦的是：

• 内容站：一篇老文里埋着十几个链接，改版之后哪个断了，根本无从查起；
• 电商站：商品图挂了不报 404 就少一张卖点图，等运营发现已经过了活动期；
• 文档站：API 文档之间的交叉引用，人肉点一遍要一下午，还总会漏。

手动点链接？页面多时就是体力活。正则抓<a href>？会漏掉图片、样式表、meta 跳转。这时就需要一个真正的坏链检测工具——broken-link-checker（下文简称 blc）。

网站链接检查工具运行效果

能力拆解：为什么它扫得快、扫得准

blc 不是"遍历链接挨个请求"的朴素实现，它把几件性能关键的事都做对了。用大白话讲：

并发队列 + 温和限速

默认所有 URL 并发检查，同时用maxSocketsPerHost（默认每主机 2 个）限制对单台服务器的压力。翻译过来：扫得猛，但不会把目标站打挂。想更温和就调rateLimit和--requests，想快就放开——节奏自己定。

流式解析 + 响应缓存

HTML 不是"下完再读"，而是边流边解析（parse5-parser-stream驱动，核心逻辑在lib/internal/streamHTML.js），页面没下完就开始提链接。同时请求结果会缓存（cacheResponses默认开启，缓存 1 小时）：同一个 URL 被十篇文章引用，也只真正检查一次。大站的收益非常直观。

按 WHATWG 标准解析，不只盯<a href>

它遵循 WHATWG 的 HTML 与 URL 规范，检查范围远不止超链接和图片：media 标签、frames、meta 跳转、样式表、脚本、表单甚至 metadata，都能按filterLevel分级纳入检查。页面里写了<base href>？相对 URL 照样能被正确还原。中文、日文这类 Unicode 链接名也不在话下。

礼貌地爬：robots 协议支持

默认遵守 robots.txt、X-Robots-Tag头、rel="nofollow"和 meta 声明，被排除的链接会明确标注BLC_ROBOTS原因，而不是默默跳过。想强制跟遍所有链接，加一个-f即可。合规和彻底，二选一，由你决定。

重定向与压缩，全自动处理

301/302 跟到哪里，检查的就是最终落点；gzip、deflate 响应自动解压；带 Basic 认证的后台页面也能进。这些"边角料"恰恰是别的工具最容易出假报的地方。

谁在用它：三类真实场景

内容团队 / 电商 / 文档库版本发布前跑一遍，把坏链和裂图在用户之前揪出来。文档库特别适合配--exclude关键词过滤，只盯站内路径，几百篇页面几分钟出结果。

教育与政务站点资源链接多、更新慢、责任大。定期（比如每月一次）全量扫描并归档报告，BLC_INVALID、HTTP_404这类原因码直接能当工单内容用，方便排期修复。

CI/CD 流水线它同时是一个正经的 Node.js 库：SiteChecker、HtmlChecker等类暴露了完整事件（link、page、site、end），可以嵌入构建流程，发现坏链就让流水线变红。详见 lib/public/ 下的公开类。

亮点速览：一张表看懂

原因码对照表见 lib/internal/reasons.js，每个坏链为什么坏，一目了然。

快速上手：一条命令排查整站坏链

前提是装了 Node.js（≥ 14）。

第 1 步：全局安装

npm install broken-link-checker -g

第 2 步：递归扫描你的站点

blc http://yoursite.com -r -o

-r表示递归爬整站，-o表示按页面中链接出现顺序输出。本地文件也行：blc path/to/index.html -r。

第 3 步：看报告

终端会实时显示进度和每条链接的结果，坏链红色标注并附原因码：

Getting links from: http://yoursite.com/ ├─ OK─── http://yoursite.com/about.html ├─ OK─── http://yoursite.com/images/logo.png ├─ BROKEN─ http://yoursite.com/images/banner-old.png (HTTP_404) ├─ SKIP── http://yoursite.com/admin (BLC_ROBOTS)

常用选项，按需加：

• -e只查站内链接，跳过外链（外部站不背你的锅）；
• --include "*.pdf"只检查 PDF 链接，--exclude "temp/*"排除临时目录；
• --host-requests 1对目标站更温和；
• blc --help查看完整选项（源码在 lib/cli.js）。

进阶：写进代码里

const {SiteChecker} = require('broken-link-checker'); const siteChecker = new SiteChecker() .on('link', (result) => { if (result.get('isBroken')) { console.log(result.get('rebasedURL') ?? result.get('originalURL'), '->', result.get('brokenReason')); } }) .on('end', () => console.log('扫描完成')); siteChecker.enqueue(new URL('http://yoursite.com'));

想暂停随时pause()，想继续resume()，工程化程度相当高。

一句话总结

网站链接检查、404 排查、缺图定位——三件事，一条blc命令全包。装完它，你会爱上"发版前先扫一遍"的踏实感。现在就打开终端，给你的站点做一次全面体检吧。

【免费下载链接】broken-link-checkerFind broken links, missing images, etc within your HTML.项目地址: https://gitcode.com/gh_mirrors/br/broken-link-checker