Provided by: linkchecker_8.6-2_amd64
NAME
linkchecker - Kommandozeilenprogramm zum Prüfen von HTML Dokumenten und Webseiten auf ungültige Verknüpfungen
SYNTAX
linkchecker [Optionen] [Datei-oder-URL]...
BESCHREIBUNG
LinkChecker beinhaltet • rekursives Prüfen und Multithreading • Ausgabe als farbigen oder normalen Text, HTML, SQL, CSV, XML oder einen Sitemap-Graphen in verschiedenen Formaten • Unterstützung von HTTP/1.1, HTTPS, FTP, mailto:, news:, nntp:, Telnet und Verknüpfungen auf lokale Dateien • Einschränkung der Linküberprüfung mit URL-Filter, • Proxy-Unterstützung • Benutzer/Passwort Authorisierung für HTTP, FTP und Telnet • Unterstützung des robots.txt Protokolls • Unterstützung für Cookies • Unterstützung für HTML5 • HTML- und CSS-Syntaxprüfung • Antivirusprüfung • ein Kommandozeilenprogramm, GUI und web interface
BEISPIELE
Der häufigste Gebrauchsfall prüft die angegebene Domäne rekursiv, inklusive aller einzelnen nach außen zeigenden Verknüpfungen: linkchecker http://www.example.net/ Beachten Sie dass dies die komplette Domäne überprüft, welche aus mehreren tausend URLs bestehen kann. Benutzen Sie die Option -r, um die Rekursionstiefe zu beschränken. Prüfe keine mailto: URLs. Alle anderen Verknüpfungen werden wie üblich geprüft: linkchecker --ignore-url=^mailto: mysite.example.org Überprüfung einer lokalen HTML Datei unter Unix: linkchecker ../bla.html Überprüfung einer lokalen HTML Datei unter Windows: linkchecker c:\temp\test.html Sie können den http:// URL Anteil weglassen wenn die Domäne mit www. beginnt: linkchecker www.example.com Sie können den ftp:// URL Anteil weglassen wenn die Domäne mit ftp. beginnt: linkchecker -r0 ftp.example.org Erzeuge einen Sitemap Graphen und konvertiere ihn mit dem graphviz dot Programm: linkchecker -odot -v www.example.com | dot -Tps > sitemap.ps
OPTIONEN
Allgemeine Optionen -fDATEINAME, --config=DATEINAME Benutze DATEINAME als Konfigurationsdatei. Standardmäßig benutzt LinkChecker ~/.linkchecker/linkcheckerrc. -h, --help Hilfe! Gebe Gebrauchsanweisung für dieses Programm aus. --stdin Lese Liste von URLs zum Prüfen von der Standardeingabe, getrennt durch Leerzeichen. -tNUMMER, --threads=NUMMER Generiere nicht mehr als die angegebene Anzahl von Threads. Standard Anzahl von Threads ist 100. Um Threads zu deaktivieren, geben Sie eine nicht positive Nummer an. -V, --version Gebe die Version aus und beende das Programm. Ausgabeoptionen --check-css Prüfe Syntax von CSS URLs mit dem W3C Online Validator. --check-html Prüfe Syntax von HTML URLs mit dem W3C Online Validator. --complete Gebe alle geprüften URLs aus. Standard ist es, doppelte URLs nur einmal auszugeben. -DNAME, --debug=NAME Gebe Testmeldungen aus für den angegebenen Logger. Verfügbare Logger sind cmdline, checking,cache, gui, dns und all. Die Angabe all ist ein Synonym für alle verfügbaren Logger. Diese Option kann mehrmals angegeben werden, um mit mehr als einem Logger zu testen. Um akkurate Ergebnisse zu erzielen, werden Threads deaktiviert. -FTYP[/ENKODIERUNG][/DATEINAME], --file-output=TYP[/ENKODIERUNG][/DATEINAME] Ausgabe in eine Datei namens linkchecker-out.TYP, $HOME/.linkchecker/blacklist bei blacklist Ausgabe, oder DATEINAME falls angegeben. Das ENCODING gibt die Ausgabekodierung an. Der Standard ist das der lokalen Spracheinstellung. Gültige Enkodierungen sind aufgelistet unter http://docs.python.org/library/ codecs.html#standard-encodings. Der DATEINAME und ENKODIERUNG Teil wird beim Ausgabetyp none ignoriert, ansonsten wird die Datei überschrieben falls sie existiert. Sie können diese Option mehr als einmal verwenden. Gültige Ausgabetypen sind text, html, sql, csv, gml, dot, xml, sitemap, none oder blacklist. Standard ist keine Dateiausgabe. Die unterschiedlichen Ausgabetypen sind weiter unten dokumentiert. Beachten Sie, dass Sie mit der Option -o none jegliche Ausgaben auf der Konsole verhindern können. --no-status Gebe keine Statusmeldungen aus. --no-warnings Gebe keine Warnungen aus. Standard ist die Ausgabe von Warnungen. -oTYP[/ENKODIERUNG], --output=TYP[/ENKODIERUNG] Gib Ausgabetyp als text, html, sql, csv, gml, dot, xml, sitemap, none oder blacklist an. Stadard Typ ist text. Die verschiedenen Ausgabetypen sind unten dokumentiert. Das ENCODING gibt die Ausgabekodierung an. Der Standard ist das der lokalen Spracheinstellung. Gültige Enkodierungen sind aufgelistet unter http://docs.python.org/library/codecs.html#standard-encodings. -q, --quiet Keine Ausgabe, ein Alias für -o none. Dies ist nur in Verbindung mit -F nützlich. --scan-virus Prüfe Inhalt von URLs auf Viren mit ClamAV. --trace Trace-Information ausgeben. -v, --verbose Gebe alle geprüften URLs aus. Standard ist es, nur fehlerhafte URLs und Warnungen auszugeben. -WREGEX, --warning-regex=REGEX Definieren Sie einen regulären Ausdruck der eine Warnung ausgibt falls er auf den Inhalt einer geprüften URL zutrifft. Dies gilt nur für gültige Seiten deren Inhalt wir bekommen können. Benutzen Sie dies, um nach Seiten zu suchen, welche bestimmte Fehler enthalten, zum Beispiel "Diese Seite ist umgezogen" oder "Oracle Applikationsfehler". Man beachte, dass mehrere Werte in dem regulären Ausdruck kombiniert werden können, zum Beispiel "(Diese Seite ist umgezogen|Oracle Applikationsfehler)". Siehe Abschnitt REGULAR EXPRESSIONS für weitere Infos. --warning-size-bytes=NUMMER Gebe eine Warnung aus, wenn die Inhaltsgröße bekannt ist und die angegebene Anzahl von Bytes übersteigt. Optionen zum Prüfen -a, --anchors Prüfe HTTP Ankerverweise. Standard ist, Ankerverweise nicht zu prüfen. Diese Option aktiviert die Ausgabe der Warnung url-anchor-not-found. -C, --cookies Akzeptiere und sende HTTP Cookies nach der RFC 2109. Lediglich Cookies, die zum ursprünglichen Server zurückgesendet werden, werden akzeptiert. Gesendete und akzeptierte Cookies werden als zusätzlicheLoginformation aufgeführt. --cookiefile=DATEINAME Lese eine Datei mit Cookie-Daten. Das Cookie Datenformat wird weiter unten erklärt. --ignore-url=REGEX URLs welche dem angegebenen regulären Ausdruck entsprechen werden ignoriert und nicht geprüft. Diese Option kann mehrmals angegeben werden. Siehe Abschnitt REGULAR EXPRESSIONS für weitere Infos. -NNAME, --nntp-server=NAME Gibt ein NNTP Rechner für news: Links. Standard ist die Umgebungsvariable NNTP_SERVER. Falls kein Rechner angegeben ist, wird lediglich auf korrekte Syntax des Links geprüft. --no-follow-url=REGEX Prüfe URLs, welche dem angegebenen regulären Ausdruck entsprechen, aber führe keine Rekursion durch. Diese Option kann mehrmals angegeben werden. Siehe Abschnitt REGULAR EXPRESSIONS für weitere Infos. -p, --password Liest ein Passwort von der Kommandozeile und verwende es für HTTP und FTP Autorisierung. Für FTP ist das Standardpasswort anonymous@. Für HTTP gibt es kein Standardpasswort. Siehe auch -u. -PNUMMER, --pause=NUMMER Pausiere die angegebene Anzahl von Sekunden zwischen zwei aufeinander folgenden Verbindungen zum demselben Rechner. Standard ist keine Pause zwischen Verbindungen. -rNUMMER, --recursion-level=NUMMER Prüfe rekursiv alle URLs bis zu der angegebenen Tiefe. Eine negative Tiefe bewirkt unendliche Rekursion. Standard Tiefe ist unendlich. --timeout=NUMMER Setze den Timeout für TCP-Verbindungen in Sekunden. Der Standard Timeout ist 60 Sekunden. -uNAME, --user=NAME Verwende den angegebenen Benutzernamen für HTTP und FTP Autorisierung. Für FTP ist der Standardname anonymous. Für HTTP gibt es keinen Standardnamen. Siehe auch -p. --user-agent=STRING Gibt den User-Agent an, der zu HTTP-Servern geschickt wird, z.B. "Mozilla/4.0". Der Standard ist "LinkChecker/X.Y", wobei X.Y die aktuelle Version von LinkChecker ist.
KONFIGURATIONSDATEIEN
Konfigurationsdateien können alle obigen Optionen enthalten. Sie können zudem Optionen enthalten, welche nicht auf der Kommandozeile gesetzt werden können. Siehe linkcheckerrc(5) für mehr Informationen.
AUSGABETYPEN
Beachten Sie, dass standardmäßig nur Fehler und Warnungen protokolliert werden. Sie sollten die --verbose Option benutzen, um eine komplette URL Liste zu erhalten, besonders bei Ausgabe eines Sitemap-Graphen. text Standard Textausgabe in "Schlüssel: Wert"-Form. html Gebe URLs in "Schlüssel: Wert"-Form als HTML formatiert aus. Besitzt zudem Verknüpfungen auf die referenzierten Seiten. Ungültige URLs haben Verknüpfungen zur HTML und CSS Syntaxprüfung angehängt. csv Gebe Prüfresultat in CSV-Format aus mit einer URL pro Zeile. gml Gebe Vater-Kind Beziehungen zwischen verknüpften URLs als GML Graphen aus. dot Gebe Vater-Kind Beziehungen zwischen verknüpften URLs als DOT Graphen aus. gxml Gebe Prüfresultat als GraphXML-Datei aus. xml Gebe Prüfresultat als maschinenlesbare XML-Datei aus. sitemap Protokolliere Prüfergebnisse als XML Sitemap dessen Format unter http://www.sitemaps.org/protocol.html dokumentiert ist. sql Gebe Prüfresultat als SQL Skript mit INSERT Befehlen aus. Ein Beispielskript, um die initiale SQL Tabelle zu erstellen ist unter create.sql zu finden. blacklist Für Cronjobs geeignet. Gibt das Prüfergebnis in eine Datei ~/.linkchecker/blacklist aus, welche nur Einträge mit fehlerhaften URLs und die Anzahl der Fehlversuche enthält. none Gibt nichts aus. Für Debugging oder Prüfen des Rückgabewerts geeignet.
REGULÄRE AUSDRÜCKE
LinkChecker akzeptiert Pythons reguläre Ausdrücke. Siehe http://docs.python.org/ howto/regex.html für eine Einführung. Eine Ergänzung ist, dass ein regulärer Ausdruck negiert wird falls er mit einem Ausrufezeichen beginnt.
COOKIE-DATEIEN
Eine Cookie-Datei enthält Standard HTTP-Header (RFC 2616) mit den folgenden möglichen Namen: Scheme (optional) Setzt das Schema für das die Cookies gültig sind; Standardschema ist http. Host (erforderlich) Setzt die Domäne für die die Cookies gültig sind. Path (optional) Gibt den Pfad für den die Cookies gültig sind; Standardpfad ist /. Set-cookie (optional) Setzt den Cookie Name/Wert. Kann mehrmals angegeben werden. Mehrere Einträge sind durch eine Leerzeile zu trennen. Das untige Beispiel sendet zwei Cookies zu allen URLs die mit http://example.org/hello/ beginnen, und eins zu allen URLs die mit https://example.org beginnen: Host: example.com Path: /hello Set-cookie: ID="smee" Set-cookie: spam="egg" Scheme: https Host: example.org Set-cookie: baggage="elitist"; comment="hologram"
PROXY UNTERSTÜTZUNG
Um einen Proxy unter Unix oder Windows zu benutzen, setzen Sie die $http_proxy, $https_proxy oder $ftp_proxy Umgebungsvariablen auf die Proxy URL. Die URL sollte die Form http://[user:pass@]host[:port] besitzen. LinkChecker erkennt auch die Proxy-Einstellungen des Internet Explorers auf einem Windows-System. Auf einem Mac benutzen Sie die Internet Konfiguration. Sie können eine komma-separierte Liste von Domainnamen in der $no_proxy Umgebungsvariable setzen, um alle Proxies für diese Domainnamen zu ignorieren. Einen HTTP-Proxy unter Unix anzugeben sieht beispielsweise so aus: export http_proxy="http://proxy.example.com:8080" Proxy-Authentifizierung wird ebenfalls unterstützt: export http_proxy="http://user1:mypass@proxy.example.org:8081" Setzen eines Proxies unter der Windows Befehlszeile: set http_proxy=http://proxy.example.com:8080
Durchgeführte Prüfungen
Alle URLs müssen einen ersten Syntaxtest bestehen. Kleine Kodierungsfehler ergeben eine Warnung, jede andere ungültige Syntaxfehler sind Fehler. Nach dem Bestehen des Syntaxtests wird die URL in die Schlange zum Verbindungstest gestellt. Alle Verbindungstests sind weiter unten beschrieben. HTTP Verknüpfungen (http:, https:) Nach Verbinden zu dem gegebenen HTTP-Server wird der eingegebene Pfad oder Query angefordert. Alle Umleitungen werden verfolgt, und falls ein Benutzer/Passwort angegeben wurde werden diese falls notwendig als Authorisierung benutzt. Permanent umgezogene Webseiten werden als Warnung ausgegeben. Alle finalen HTTP Statuscodes, die nicht dem Muster 2xx entsprechen, werden als Fehler ausgegeben. Der Inhalt von HTML-Seiten wird rekursiv geprüft. Lokale Dateien (file:) Eine reguläre, lesbare Datei die geöffnet werden kann ist gültig. Ein lesbares Verzeichnis ist ebenfalls gültig. Alle anderen Dateien, zum Beispiel Gerätedateien, unlesbare oder nicht existente Dateien ergeben einen Fehler. HTML- oder andere untersuchbare Dateiinhalte werden rekursiv geprüft. Mail-Links (mailto:) Ein mailto:-Link ergibt eine Liste von E-Mail-Adressen. Falls eine Adresse fehlerhaft ist, wird die ganze Liste als fehlerhaft angesehen. Für jede E-Mail-Adresse werden die folgenden Dinge geprüft: 1) Prüfe die Syntax der Adresse, sowohl den Teil vor als auch nach dem @-Zeichen. 2) Schlage den MX DNS-Datensatz nach. Falls kein MX Datensatz gefunden wurde, wird ein Fehler ausgegeben. 3) Prüfe, ob einer der Mail-Rechner eine SMTP-Verbindung akzeptiert. Rechner mit höherer Priorität werden zuerst geprüft. Fall kein Rechner SMTP-Verbindungen akzeptiert, wird eine Warnung ausgegeben. 4) Versuche, die Adresse mit dem VRFY-Befehl zu verifizieren. Falls eine Antwort kommt, wird die verifizierte Adresse als Information ausgegeben. FTP-Links (ftp:) Für FTP-Links wird Folgendes geprüft: 1) Eine Verbindung zum angegeben Rechner wird aufgebaut 2) Versuche, sich mit dem gegebenen Nutzer und Passwort anzumelden. Der Standardbenutzer ist “anonymous“, das Standardpasswort ist “anonymous@“. 3) Versuche, in das angegebene Verzeichnis zu wechseln 4) Liste die Dateien im Verzeichnis auf mit dem NLST-Befehl Telnet-Links (“telnet:“) Versuche, zu dem angegeben Telnetrechner zu verginden und falls Benutzer/Passwort angegeben sind, wird versucht, sich anzumelden. NNTP-Links (“news:“, “snews:“, “nntp“) Versuche, zu dem angegebenen NNTP-Rechner eine Verbindung aufzubaucne. Falls eine Nachrichtengruppe oder ein bestimmter Artikel angegeben ist, wird versucht, diese Gruppe oder diesen Artikel vom Rechner anzufragen. Nicht unterstützte Links (“javascript:“, etc.) Ein nicht unterstützter Link wird nur eine Warnung ausgeben. Weitere Prüfungen werden nicht durchgeführt. Die komplette Liste von erkannten, aber nicht unterstützten Links ist in der Quelldatei linkcheck/checker/unknownurl.py. Die bekanntesten davon dürften JavaScript-Links sein.
Rekursion
Bevor eine URL rekursiv geprüft wird, hat diese mehrere Bedingungen zu erfüllen. Diese werden in folgender Reihenfolge geprüft: 1. Eine URL muss gültig sein. 2. Der URL-Inhalt muss analysierbar sein. Dies beinhaltet zur Zeit HTML-Dateien, Opera Lesezeichen, und Verzeichnisse. Falls ein Dateityp nicht erkannt wird, (zum Beispiel weil er keine bekannte HTML-Dateierweiterung besitzt, und der Inhalt nicht nach HTML aussieht), wird der Inhalt als nicht analysierbar angesehen. 3. Der URL-Inhalt muss ladbar sein. Dies ist normalerweise der Fall, mit Ausnahme von mailto: oder unbekannten URL-Typen. 4. Die maximale Rekursionstiefe darf nicht überschritten werden. Diese wird mit der Option --recursion-level konfiguriert und ist standardmäßig nicht limitiert. 5. Die URL darf nicht in der Liste von ignorierten URLs sein. Die ignorierten URLs werden mit der Option --ignore-url konfiguriert. 6. Das Robots Exclusion Protocol muss es erlauben, dass Verknüpfungen in der URL rekursiv verfolgt werden können. Dies wird geprüft, indem in den HTML Kopfdaten nach der "nofollow"-Direktive gesucht wird. Beachten Sie, dass die Verzeichnisrekursion alle Dateien in diesem Verzeichnis liest, nicht nur eine Untermenge wie bspw. index.html*.
BEMERKUNGEN
URLs von der Kommandozeile die mit ftp. beginnen werden wie ftp://ftp. behandelt, URLs die mit www. beginnen wie http://www.. Sie können auch lokale Dateien angeben. Falls sich Ihr System automatisch mit dem Internet verbindet (z.B. mit diald), wird es dies tun wenn Sie Links prüfen, die nicht auf Ihren lokalen Rechner verweisen Benutzen Sie die Option --ignore-url, um dies zu verhindern. Javascript Links werden nicht unterstützt. Wenn Ihr System keine Threads unterstützt, deaktiviert diese LinkChecker automatisch. Sie können mehrere Benutzer/Passwort Paare in einer Konfigurationsdatei angeben. Beim Prüfen von news: Links muß der angegebene NNTP Rechner nicht unbedingt derselbe wie der des Benutzers sein.
UMGEBUNG
NNTP_SERVER - gibt Standard NNTP Server an http_proxy - gibt Standard HTTP Proxy an ftp_proxy - gibt Standard FTP Proxy an no_proxy - kommaseparierte Liste von Domains, die nicht über einen Proxy-Server kontaktiert werden LC_MESSAGES, LANG, LANGUAGE - gibt Ausgabesprache an
RÜCKGABEWERT
Der Rückgabewert ist 2 falls • ein Programmfehler aufgetreten ist. Der Rückgabewert ist 1 falls • ungültige Verknüpfungen gefunden wurden oder • Warnungen gefunden wurden und Warnungen aktiviert sind Sonst ist der Rückgabewert Null.
LIMITIERUNGEN
LinkChecker benutzt Hauptspeicher für jede zu prüfende URL, die in der Warteschlange steht. Mit tausenden solcher URLs kann die Menge des benutzten Hauptspeichers sehr groß werden. Dies könnte das Programm oder sogar das gesamte System verlangsamen.
DATEIEN
~/.linkchecker/linkcheckerrc - Standardkonfigurationsdatei ~/.linkchecker/blacklist - Standard Dateiname der blacklist Logger Ausgabe linkchecker-out.TYP - Standard Dateiname der Logausgabe http://docs.python.org/library/codecs.html#standard-encodings - gültige Ausgabe Enkodierungen http://docs.python.org/howto/regex.html - Dokumentation zu regulären Ausdrücken
SIEHE AUCH
linkcheckerrc(5)
AUTHOR
Bastian Kleineidam <bastian.kleineidam@web.de>
COPYRIGHT
Copyright © 2000-2014 Bastian Kleineidam