check_redirects.sh

#!/bin/bash

# Script de vérification des redirections pour le SEO
# Usage: ./check_redirects.sh input.csv output.csv

# Couleurs pour l'affichage
RED='\033[0;31m'
GREEN='\033[0;32m'
YELLOW='\033[1;33m'
NC='\033[0m' # No Color

# Vérification des arguments
if [ "$#" -ne 2 ]; then
    echo -e "${RED}Usage: $0 input.csv output.csv${NC}"
    echo "Le fichier input.csv doit contenir les URLs dans la première colonne"
    exit 1
fi

INPUT_FILE="$1"
OUTPUT_FILE="$2"

# Délai entre les requêtes (en secondes)
DELAY=2

# Vérification de l'existence du fichier d'entrée
if [ ! -f "$INPUT_FILE" ]; then
    echo -e "${RED}Erreur: Le fichier $INPUT_FILE n'existe pas${NC}"
    exit 1
fi

# Création de l'en-tête du fichier de sortie
echo "URL_Source,URL_Destination,Code_HTTP,Type_Redirection,Nombre_Redirections,Chaine_Redirections,Probleme_Detecte,Temps_Reponse_ms,Taille_Bytes,Statut" > "$OUTPUT_FILE"

# Compteur de lignes traitées
count=0
total=$(wc -l < "$INPUT_FILE" | tr -d ' ')

echo -e "${GREEN}==================================================${NC}"
echo -e "${GREEN}  Vérification des redirections SEO${NC}"
echo -e "${GREEN}==================================================${NC}"
echo -e "Fichier source: ${YELLOW}$INPUT_FILE${NC}"
echo -e "Fichier résultat: ${YELLOW}$OUTPUT_FILE${NC}"
echo -e "Délai entre requêtes: ${YELLOW}${DELAY}s${NC}"
echo -e "Total d'URLs à traiter: ${YELLOW}$total${NC}"
echo -e "${GREEN}==================================================${NC}\n"

# Fonction pour analyser une URL
check_url() {
    local url="$1"
    local line_number="$2"

    # Nettoyer l'URL (supprimer les espaces, retours à la ligne, etc.)
    url=$(echo "$url" | tr -d '\r\n' | sed 's/^[[:space:]]*//;s/[[:space:]]*$//')

    # Ignorer les lignes vides et les en-têtes
    if [ -z "$url" ] || [ "$url" = "URL" ] || [ "$url" = "url" ] || [[ "$url" == "URL"* ]]; then
        return
    fi

    echo -e "${YELLOW}[$line_number/$total]${NC} Vérification de: $url"

    # Créer un fichier temporaire pour stocker les en-têtes
    local temp_headers=$(mktemp)
    local temp_body=$(mktemp)
    local temp_redirect_chain=$(mktemp)

    # Effectuer la requête curl avec suivi des redirections et enregistrement de la chaîne
    http_code=$(curl -s -L \
                  -w "%{http_code}" \
                  -D "$temp_headers" \
                  -o "$temp_body" \
                  --max-time 30 \
                  --max-redirs 10 \
                  -A "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/130.0.0.0 Safari/537.36" \
                  "$url" 2>&1)

    curl_exit_code=$?

    # Vérifier si curl a réussi
    if [ $curl_exit_code -ne 0 ]; then
        # Gérer le cas spécifique de trop de redirections (code 47)
        if [ $curl_exit_code -eq 47 ]; then
            echo "\"$url\",\"BOUCLE DETECTEE\",\"000\",\"Limite de redirections atteinte\",\"10+\",\"\",\"BOUCLE_INFINIE\",\"0\",\"0\",\"❌ BOUCLE\"" >> "$OUTPUT_FILE"
            echo -e "  ${RED}✗ Boucle de redirection détectée (trop de redirections)${NC}\n"
        else
            echo "\"$url\",\"ERREUR\",\"000\",\"Timeout ou erreur réseau\",\"0\",\"\",\"ERREUR_CONNEXION\",\"0\",\"0\",\"❌ ERREUR\"" >> "$OUTPUT_FILE"
            echo -e "  ${RED}✗ Erreur de connexion (code: $curl_exit_code)${NC}\n"
        fi
        rm -f "$temp_headers" "$temp_body" "$temp_redirect_chain"
        return
    fi

    # Obtenir l'URL finale (après redirections)
    url_effective=$(curl -Ls -o /dev/null -w "%{url_effective}" -A "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/130.0.0.0 Safari/537.36" "$url" 2>/dev/null)

    # Calculer le temps de réponse
    time_total=$(curl -s -o /dev/null -w "%{time_total}" -A "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/130.0.0.0 Safari/537.36" "$url" 2>/dev/null)
    time_ms=$(echo "$time_total * 1000 / 1" | bc)

    # Obtenir la taille du contenu
    size_download=$(stat -f%z "$temp_body" 2>/dev/null || stat -c%s "$temp_body" 2>/dev/null || echo "0")

    # Compter le nombre de redirections et obtenir le premier code HTTP en analysant les en-têtes
    num_redirects=$(grep -c "^HTTP" "$temp_headers" 2>/dev/null || echo "1")
    num_redirects=$((num_redirects - 1))
    if [ $num_redirects -lt 0 ]; then
        num_redirects=0
    fi

    # Extraire la chaîne complète de redirections et détecter les boucles
    redirect_chain=""
    declare -A seen_urls
    loop_detected=false

    # Extraire toutes les locations depuis les en-têtes
    while IFS= read -r location_line; do
        if [[ $location_line =~ ^[Ll]ocation:[[:space:]]*(.+)$ ]]; then
            redirect_url=$(echo "${BASH_REMATCH[1]}" | tr -d '\r\n' | sed 's/^[[:space:]]*//;s/[[:space:]]*$//')

            # Vérifier si cette URL a déjà été vue (boucle)
            if [ -n "${seen_urls[$redirect_url]}" ]; then
                loop_detected=true
                break
            fi
            seen_urls[$redirect_url]=1

            if [ -z "$redirect_chain" ]; then
                redirect_chain="$redirect_url"
            else
                redirect_chain="$redirect_chain → $redirect_url"
            fi
        fi
    done < "$temp_headers"

    # Si il y a eu des redirections, récupérer le code de la première réponse
    if [ $num_redirects -gt 0 ]; then
        # Extraire le premier code HTTP (celui de la redirection initiale)
        http_code=$(grep -m1 "^HTTP" "$temp_headers" | awk '{print $2}')
    fi

    # Déterminer le type de redirection et les problèmes
    redirect_type=""
    status_symbol=""
    status_text=""
    problem_detected="AUCUN"

    # Détecter les problèmes spécifiques
    if [ "$loop_detected" = true ]; then
        problem_detected="BOUCLE_DETECTEE"
        status_text="❌ BOUCLE"
        status_symbol="⚠"
    elif [ $num_redirects -ge 5 ]; then
        problem_detected="CHAINE_TROP_LONGUE"
    fi

    case "$http_code" in
        301)
            redirect_type="301 - Permanente"
            status_symbol="✓"
            if [ "$problem_detected" = "AUCUN" ]; then
                status_text="✅ OK"
            fi
            ;;
        302)
            redirect_type="302 - Temporaire"
            status_symbol="⚠"
            if [ "$problem_detected" = "AUCUN" ]; then
                status_text="⚠️ TEMPORAIRE"
            fi
            ;;
        307)
            redirect_type="307 - Temporaire"
            status_symbol="⚠"
            if [ "$problem_detected" = "AUCUN" ]; then
                status_text="⚠️ TEMPORAIRE"
            fi
            ;;
        308)
            redirect_type="308 - Permanente"
            status_symbol="✓"
            if [ "$problem_detected" = "AUCUN" ]; then
                status_text="✅ OK"
            fi
            ;;
        200)
            redirect_type="Pas de redirection"
            status_symbol="→"
            if [ "$problem_detected" = "AUCUN" ]; then
                status_text="➡️ DIRECT"
            fi
            ;;
        404)
            redirect_type="Page non trouvée"
            status_symbol="✗"
            problem_detected="ERREUR_404"
            status_text="❌ 404"
            ;;
        410)
            redirect_type="Gone"
            status_symbol="✗"
            problem_detected="ERREUR_410"
            status_text="❌ 410 GONE"
            ;;
        5*)
            redirect_type="Erreur serveur"
            status_symbol="✗"
            problem_detected="ERREUR_5XX"
            status_text="❌ ERREUR 5XX"
            ;;
        *)
            redirect_type="Code $http_code"
            status_symbol="?"
            problem_detected="CODE_INHABITUEL"
            if [ "$problem_detected" = "AUCUN" ]; then
                status_text="⚠️ CODE $http_code"
            fi
            ;;
    esac

    # URL de destination (si pas de redirection, utiliser l'URL source)
    if [ -z "$url_effective" ]; then
        destination="$url"
    else
        destination="$url_effective"
    fi

    # Échapper les guillemets dans les URLs pour le CSV
    url_escaped=$(echo "$url" | sed 's/"/""/g')
    destination_escaped=$(echo "$destination" | sed 's/"/""/g')
    redirect_chain_escaped=$(echo "$redirect_chain" | sed 's/"/""/g')

    # Écrire le résultat dans le fichier CSV
    echo "\"$url_escaped\",\"$destination_escaped\",\"$http_code\",\"$redirect_type\",\"$num_redirects\",\"$redirect_chain_escaped\",\"$problem_detected\",\"$time_ms\",\"$size_download\",\"$status_text\"" >> "$OUTPUT_FILE"

    # Affichage du résultat
    echo -e "  ${GREEN}$status_symbol${NC} Code: $http_code | Type: $redirect_type | Redirections: $num_redirects | Temps: ${time_ms}ms | Taille: $size_download bytes"

    if [ "$problem_detected" != "AUCUN" ]; then
        echo -e "  ${RED}⚠ Problème détecté: $problem_detected${NC}"
    fi

    if [ "$url" != "$destination" ]; then
        echo -e "  ${YELLOW}→${NC} Destination: $destination"
    fi

    if [ -n "$redirect_chain" ]; then
        echo -e "  ${YELLOW}↪${NC} Chaîne: $redirect_chain"
    fi

    echo ""

    # Nettoyage des fichiers temporaires
    rm -f "$temp_headers" "$temp_body" "$temp_redirect_chain"
}

# Lecture du fichier CSV ligne par ligne
while IFS= read -r line || [ -n "$line" ]; do
    count=$((count + 1))

    # Extraire la première colonne (URL)
    url=$(echo "$line" | cut -d',' -f1 | tr -d '"')

    # Traiter l'URL
    check_url "$url" "$count"

    # Ajouter un délai entre les requêtes (sauf pour la dernière)
    if [ $count -lt $total ]; then
        sleep $DELAY
    fi

done < "$INPUT_FILE"

# Résumé final
echo -e "${GREEN}==================================================${NC}"
echo -e "${GREEN}  Vérification terminée !${NC}"
echo -e "${GREEN}==================================================${NC}"
echo -e "URLs traitées: ${YELLOW}$count${NC}"
echo -e "Résultats sauvegardés dans: ${YELLOW}$OUTPUT_FILE${NC}"
echo -e "${GREEN}==================================================${NC}"

# Statistiques rapides
echo -e "\n${YELLOW}Statistiques:${NC}"
total_301=$(grep -c '301 - Permanente' "$OUTPUT_FILE" 2>/dev/null || echo "0")
total_302=$(grep -c '302 - Temporaire' "$OUTPUT_FILE" 2>/dev/null || echo "0")
total_200=$(grep -c 'Pas de redirection' "$OUTPUT_FILE" 2>/dev/null || echo "0")
total_404=$(grep -c 'Page non trouvée' "$OUTPUT_FILE" 2>/dev/null || echo "0")
total_errors=$(grep -c 'ERREUR_CONNEXION' "$OUTPUT_FILE" 2>/dev/null || echo "0")
total_loops=$(grep -c 'BOUCLE' "$OUTPUT_FILE" 2>/dev/null || echo "0")
total_long_chains=$(grep -c 'CHAINE_TROP_LONGUE' "$OUTPUT_FILE" 2>/dev/null || echo "0")

echo "  Redirections 301 (permanentes): $total_301"
echo "  Redirections 302 (temporaires): $total_302"
echo "  Pages directes (200): $total_200"
echo "  Erreurs 404: $total_404"
echo "  Erreurs de connexion: $total_errors"
echo -e "  ${RED}Boucles de redirection détectées: $total_loops${NC}"
echo -e "  ${YELLOW}Chaînes trop longues (5+ redirections): $total_long_chains${NC}"

echo -e "\n${GREEN}Vous pouvez maintenant ouvrir $OUTPUT_FILE avec Excel ou LibreOffice${NC}"