网站SEO检测·百度收录与推送·死链检查·站长工具

什么时候用

用户说「我的站百度搜不到 / 百度不收录 / 帮我看看 SEO / 查一下死链」。
新站上线、改版、加了新页面，想让百度快点知道。
想要一份 sitemap.xml / robots.txt，或者要一份死链清单去百度提交。

前提：用户得能改自己网站的文件（或有人帮他改）。体检只能看出问题，修要改网页。第一次对话就把这句说清楚，别让用户以为跑完脚本排名就变了。

所有脚本都是 Python 标准库写的，不用装任何第三方包，要求 Python 3.8 以上（python --version 确认）。Windows / macOS / Linux 通用。本机访问某些网站需要代理时，每个脚本都可以加 --proxy http://127.0.0.1:端口，也会自动读取系统的 HTTPS_PROXY 环境变量。

四个脚本

1. 体检：`scripts/audit.py`

python {baseDir}/scripts/audit.py <网址或 sitemap 地址> [--max 200] [--out report.md] [--json report.json]
                                  [--deadlinks-out 死链.txt] [--only-page] [--no-links] [--timeout 20]

先过首页门槛：用常见浏览器的身份打开首页。被拦（403/429/503、人机验证页、内容几乎为空）就自动换百度蜘蛛身份再试一次；报告第一段会写明「访问身份」。
首页打不开就只出诊断：域名解析不到 / 超时 / 被防火墙拦截 / 内容几乎为空 / 证书问题，这时只输出一段诊断和下一步建议，不出完整报告（否则每一项都会误报）。此时退出码为 1，照诊断内容转述给用户即可，不要自己再编一份报告。
给首页：自动读 robots.txt 里写的 sitemap（没写就试 /sitemap.xml），逐页体检，最多 200 页。
给 sitemap 地址：展开后逐页体检。给内页：只体检那一页；首页只想看一页时加 --only-page。
站内死链：默认会检查抓到的页面里所有指向本站的链接（最多 300 个），打不开的列进报告。加 --deadlinks-out 死链.txt 会同时存一份一行一个地址的清单，可上传到百度搜索资源平台的「死链提交」。不想查就加 --no-links。
并发 5、单个请求等 20 秒；网站慢就加 --timeout 40。

检查项、问题名和修法见 references/checklist.md。

2. 百度推送（主推）：`scripts/baidu.py`

python {baseDir}/scripts/baidu.py --site https://example.com --token <准入密钥> --sitemap --dry-run
python {baseDir}/scripts/baidu.py --site https://example.com --token <准入密钥> https://example.com/新页面
python {baseDir}/scripts/baidu.py --site https://example.com --token <准入密钥> --file 网址清单.txt

准入密钥在「百度搜索资源平台 → 普通收录 → API 提交」页面，接口地址里 token= 后面那串；也可以放进环境变量 BAIDU_PUSH_TOKEN。
--site 的写法要和百度后台验证的站点完全一致（http/https、有没有 www）。子域名各算一个站，密钥不通用。
结果会说：成功推了几条、今天还能推几条（额度用完就等明天）、有几条因为不属于本站或格式不对被丢掉。
一次最多推 2000 条。先用 --dry-run 试运行，用户确认后再去掉。

3. 生成 sitemap / robots：`scripts/sitemap.py`

python {baseDir}/scripts/sitemap.py <网站根目录> --origin https://example.com [--en-prefix en] [--out <输出目录>]

扫目录下所有 .html，index.html 对应目录地址；带「禁止收录」标记的页面和 404/500 页自动排除。
有 --en-prefix en 时把 /foo 与 /en/foo 配成中英一对，互相标注。
不带 --out 直接打印；带 --out 写文件，已存在的不覆盖（要覆盖得加 --force，且要先问用户）。
生成后提醒用户：上传到网站根目录，再到百度搜索资源平台「普通收录 → sitemap」提交。

4. IndexNow 推送（可选，必应等搜索引擎可选）：`scripts/indexnow.py`

百度不支持 IndexNow。用户的站也想让必应等搜索引擎快点知道时才用它，国内站长不用也行。

python {baseDir}/scripts/indexnow.py --host example.com                        # 生成密钥并说明放在哪
python {baseDir}/scripts/indexnow.py --host example.com --key <密钥> --sitemap --dry-run

没有 --key 就现场生成一个，让用户在站根放 <密钥>.txt，内容就是密钥本身；放好再带 --key 跑。
推送前先检查密钥文件能不能打开、内容对不对，不对就不推。先 --dry-run。
返回 200/202 表示收到；403 密钥文件不对；422 网址和域名对不上；429 推太频繁，等几分钟，别反复重试。

报告怎么讲给用户

先说最严重的三件（报告里「先修这三件」那段）。一次只让用户面对三件事。
每件说三句：哪儿坏了 → 会有什么后果 → 改哪一行。别说「优化 TDK」「提升权重」这种黑话，要说「首页没有规范地址，百度可能把带参数的地址当成另一个页面；在 <head> 里加一行 <link rel="canonical" href="https://…/">」。
逐页表格是给用户对照用的，别在对话里逐行念。用户问某一页再展开。
严重度：严重＝影响能不能被收录（打不开、死链、禁止收录、没规范地址、没手机适配、没标题、正文为空、robots 屏蔽）；中等＝影响百度结果长什么样（描述、标题长度、主标题、分享卡片）；轻微＝锦上添花。轻微项别排在前面讲。
如果报告写着「浏览器身份被拦、改用百度蜘蛛身份」，要提醒用户：真实访客也可能被防火墙拦，去后台看看规则。
修完再推送：先把 sitemap 弄对，再用百度推送。顺序反了等于把坏页面报给百度。
推送前必须让用户确认一次（推哪个站、多少条），默认先跑 --dry-run。

边界（要对用户说清楚）

只做站内技术项：不买外链、不交换友链、不发垃圾外链，也不提供这类服务。
不做黑帽：不做隐藏文字、关键词堆砌、门页、对搜索引擎和用户显示不同内容。用户要求这类做法直接拒绝，并说明会被降权甚至清除收录。
不承诺排名：收录不等于排名，推送不等于收录。推送只是告诉百度「这页变了」，收不收、何时收、排第几都由搜索引擎决定。任何「几天上首页」的说法都不要给。
不代替用户改网站：脚本只读线上页面、只读本地目录；生成的文件默认不覆盖已有文件。改网页、放密钥文件、上传 sitemap 由用户自己做（或明确授权后再做）。
百度准入密钥、IndexNow 密钥是用户的凭据：不要写进聊天以外的地方，不要提交进代码仓库，不要转给第三方。
别人的网站可以体检，不能推送：推送要求你是站点所有者。
换百度蜘蛛身份只为判断「百度能不能看到」，每次体检只在首页被拦时换一次。不是用户自己的网站被拦了，就如实说「对方网站限制访问」，不要想办法反复绕过去抓。
只抓网页源代码、只跟随 sitemap，不执行脚本。纯前端渲染的站会显得「什么都没有」，要提醒用户：百度的抓取看到的也大致是这个样子。

典型流程

audit.py <首页> → 首页打不开就转述诊断、停在这一步；能打开就念「先修这三件」。
用户改完 → 再跑一次确认修掉了。
有死链 → --deadlinks-out 死链.txt 导出，确认页面确实已删除后到百度「死链提交」上传。
需要 sitemap 就 sitemap.py <本地目录> 生成，用户上传到站根，并在 robots.txt 里加 Sitemap: 行。
baidu.py --site … --dry-run → 确认 → 真推，留意「今天还能推几条」。
用户也关心必应等搜索引擎时，再按需用 indexnow.py。