批量检测被百度收录的死链的方法

前段时间服务器被入侵，挂了很多博彩之类的黑页，而且全部被百度收录。

现在把漏洞补好了，但删除黑页文件以后成了死链，要怎么让百度删除收录呢?

在网上找了一下，似乎只有检测网址是否被收录的工具，而没有检测收录的是不是死链的工具。

自己理清了下思路，找办法找出了所有被收录的死链，并写下这篇文章。

不知道有没有更好的方法，大家可以告诉我，先分享给大家，如果有大神请忽视或者告诉我更好的方法，一起学习交流吧。

下面教程开始

先在百度找到xenu可以模拟爬虫爬取所有连接，我下载了个汉化版。

我们先用这个工具查询所有被收录的页面。

打开软件，填入简版百度site网站地址，之所以用简版是可以减少链接查询时间和内容。(请把xxx.bizcn.com换成你的网址)

http://www.baidu.com/s?ie=utf-8&tn=baidulocal&wd=site%3Axxx.bizcn.com

等待检测完成。

点击导出为制表符分隔的文件。

导出的文件，我们可以看到格式是:网址+空格+状态码

那么写一个正则，把需要的网址提取出来就行，比如www.baidu.com下的404页面就是

/http:////www.baidu.com(.*?)/s404/i

(以http://www.baidu.com开头,/s代表空格,404,/i代表匹配大小写)

不会正则怎么办?

为了方便大家，我把文件作了修改，大家只要把head改成标致性开头，state改成状态码就行，file改成导出的文件路径就行。

head怎么改，举个例子,

你的网站是http://www.baidu.com/abc.html，那么你就写http://www.baidu.com/

你的网站是http://abc.baidu.com/abc.html，那么你就写http://abc.baidu.com/

把正则写入php，在php环境下运行get.php。那么结果就出来了。

这时你只需要全选，复制到一个txt文件，上传到网站空间，再到百度站长平台死链提交填入文件路径就行就可以。

我们知道，思路是通过爬取找出所有被收录的链接，然后按条件列出来而已。

这样的话，只要把开头输入的site网址改一下，也可以查询其他搜索引擎的收录。

把正则改一下，可以获得如标题等其他内容。在此就不一一叙述。
来源：卢松松博客（微信/QQ号：13340454），欢迎分享本文，转载请保留出处！