Verificador de enlaces rotos en línea

Propósito e intención del usuario: Identificar enlaces rotos en un sitio web para apoyar SEO, calidad de contenido y experiencia de usuario. Usuarios objetivo: webmasters, profesionales de SEO, editores de contenido y desarrolladores. Usar después de la publicación, migración de sitio, reestructuración de URL o antes de auditorías grandes para revelar 404, 410 y cadenas de redirección.
Lógica principal y características: Requerido: site_url y crawl_depth opcional. La herramienta rastrea páginas, extrae hipervínculos, resuelve URL relativas y normaliza dominios. Valida enlaces mediante solicitudes HTTP, sigue redirecciones hasta el destino final y marca como roto los estados finales 4xx/5xx o no resolvibles. Salidas incluyen datos por enlace y un resumen. Opcional: rastreo basado en sitemap, alcance en el dominio, patrones include/exclude, formatos de exportación (CSV/JSON), controles de concurrencia.
Entradas y salidas: Entradas: site_url (cadena, requerido), crawl_depth (int, opcional, predeterminado 2), max_pages (int, opcional), include_patterns (array), exclude_patterns (array), timeout_seconds (int, opcional). Salidas: arreglo broken_links con elementos { url, final_url, status_code, found_on_page, anchor_text, page_url, last_checked } y totales.
Algoritmos y cálculos: Solicitudes HEAD primero; alternativa GET; seguir redirecciones; eliminar duplicados; ignorar enlaces no-http(s); restricción de dominio si está configurado. Calcular cantidad de rotos y porcentaje.
Errores y casos límite: URL inválido o esquema no-http(s) genera error de entrada. Tiempos de espera, fallos DNS o limitaciones de tasa pueden producir resultados parciales. Sitios grandes pueden requerir procesamiento por lotes; robots.txt puede bloquear el rastreo. Páginas protegidas por autenticación se omiten por defecto. Enlaces renderizados por JS pueden pasarse por alto si no hay modo de render activado.
Industria/Región y Localización: Usa semántica HTTP estándar según RFC 7231. Tiempos en segundos; respeta la localización en exportaciones; admite URL internacionales.
Supuestos y Exclusiones: Se asume acceso a páginas públicamente accesibles o internas autorizadas. Excluye contenido protegido por contraseña, recursos restringidos y contenido dinámico que requiere renderizado del lado del cliente, a menos que esté configurado.