Como usar
- Digite sua página inicial ou qualquer página de partida e ajuste a profundidade de rastreamento e o limite de URLs (até 5.000), se necessário.
- Escolha Iniciar verificação; após a verificação humana, o rastreamento entra na fila. O progresso é exibido, e você pode cancelar a qualquer momento e manter o que já foi verificado.
- Comece pelos links com problema: cada um mostra o código de status, as páginas onde aparece e o texto âncora; abra um para ver a cadeia completa de redirecionamentos.
- Exporte em CSV ou Excel para quem vai corrigir as páginas e, se for útil, gere um sitemap.xml a partir das páginas saudáveis que foram rastreadas.
O que ele verifica
- Códigos de status de links internos e externos: 404, 410 e outros links quebrados, erros de servidor 5xx, tempos limite, domínios que não resolvem e conexões com falha.
- Cada salto de redirecionamento: a cadeia completa de respostas 301, 302, 307 e 308 e a URL final, para que links antigos apontem direto para o destino.
- Se imagens, CSS, JS, ícones, iframes, vídeos e outros recursos retornam 404.
- Em quais páginas cada problema aparece, com o texto âncora ou o texto alternativo da imagem, além de títulos das páginas, noindex, canonical e se a página está no sitemap.
Como ler os resultados
- Quebrado: 404, 410 e semelhantes, ou um domínio que não resolve mais. Corrija ou remova o link.
- Erro de servidor, tempo limite, erro de conexão: possivelmente temporário; verifique de novo mais tarde ou abra o link manualmente.
- Recusado ou não permitido: o site recusa visitas automatizadas (401, 403, 429, 999) ou o robots.txt não permite o caminho, então o conteúdo não foi lido.
- Redirecionamento: abre no final, mas com um salto extra; links internos devem apontar direto para a URL final.
- Não verificado: links de ação como login ou carrinho, URLs que parecem geradas sem fim, ou links e recursos externos pulados pelas suas configurações.
Como corrigir os links quebrados encontrados
- Links internos quebrados: aponte o link para a página certa; se a página realmente não existir mais, adicione no servidor um redirecionamento 301 para a nova página mais relevante.
- Links externos quebrados: substitua pelo novo endereço ou por uma fonte alternativa confiável, ou remova o link se não houver nenhuma.
- Imagens e recursos que retornam 404: envie o arquivo de novo ou corrija o caminho, e procure endereços antigos na sua CDN e nos plugins de cache.
- Verifique de novo depois de corrigir; em um site grande, faça verificações separadas a partir de cada página de seção.
Perguntas frequentes
É grátis e quais são os limites?
Sim, e não é preciso cadastro. Cada rastreamento verifica até 5.000 URLs, até 10 níveis de profundidade, por no máximo 20 minutos. Sem conta, você tem 5 rastreamentos por dia por rede, ou 15 por dia com login no XunL, um rastreamento por vez. Os resultados ficam guardados por 2 horas, então exporte o que precisar.
Isso vai sobrecarregar meu site?
Ele envia no máximo 3 requisições simultâneas ao mesmo site, com pelo menos 0,2 segundo de intervalo; se o robots.txt definir um Crawl-delay, passa a uma requisição por vez e espera esse tempo. Caminhos proibidos pelo robots.txt não são visitados, e links de login, logout, carrinho e ações semelhantes nunca são seguidos. Páginas são lidas até 1 MB, imagens e links externos apenas nos primeiros 4 KB.
Por que alguns links externos aparecem como recusados e não como quebrados?
Os status 401, 403, 429 e o 999 que algumas redes sociais retornam geralmente significam que o outro site recusa visitas automatizadas; a página pode abrir normalmente no navegador, por isso eles aparecem separados para você verificar manualmente. Tempos limite e erros de servidor 5xx também aparecem separados, porque costumam ser temporários.
Ele vê links adicionados por JavaScript?
Não. O rastreador lê o HTML que o servidor retorna e não executa JavaScript, então links que só scripts adicionam no navegador não são vistos. Esse HTML também é o que os mecanismos de busca leem na primeira passagem.
Quais páginas entram no sitemap gerado?
Apenas páginas do mesmo site rastreadas desta vez que retornam 200 diretamente, permitem indexação (sem noindex) e têm canonical apontando para si mesmas ou nenhum. Redirecionamentos, páginas quebradas, páginas bloqueadas pelo robots.txt e páginas não alcançadas ficam de fora; revise a lista antes de enviá-la.
Qual User-Agent o rastreador usa e como posso limitá-lo?
O User-Agent dele contém XunLLinkChecker/1.0. Adicione um grupo User-agent: XunLLinkChecker ao robots.txt para dar a ele regras próprias de Disallow ou Crawl-delay; sem isso, valem as regras de User-agent: *.