HHYHHY
EN 下载 V1.1.4

实战项目 · 已通过自测

实战项目：SiteGraph Auditor

递归建立文档站页面清单与规范化链接图，用 metadata、失败和安全边界实施质量门禁。

一个真正使用安全 Spider 的质量门禁

SiteGraph Auditor 基于 HHY v1.1.4 和 my-crawler 的安全递归引擎。它从 seed 开始逐层发现页面，同时输出 inventory、规范链接图、report 和 failures；报告以稳定退出码阻止缺失 metadata 或存在抓取失败的站点通过。

新能力项目中的实际用途
URL 规范化相对链接、点路径、fragment、host 和默认端口统一成稳定 URL
链接发现main a[href] 持续补充下一层 Frontier
Frontier按深度批次并发，保留 page/depth/source 上下文
硬边界domain/path/depth/pages/frontier/links 六类限制
指纹去重进入 Frontier 前去重，链接图另统计同源重复边
SSRF正式配置禁止私网，在实际 socket 地址上覆盖 DNS 与重定向
查看 SiteGraph Auditor 完整源码 ↗包含三个 HHY 模块、四层健康站点、风险站点、报告断言和 SSRF 负向测试。

健康与风险双场景

sh
make
./practical-projects/sitegraph-auditor/self-test.sh
实际运行结果
$./practical-projects/sitegraph-auditor/self-test.sh
SiteGraph Auditor healthy
Pages 4 / 4 Edges 5
Duplicates 3 Rejected 1 Findings 0
SiteGraph Auditor risky
Pages 1 / 2 Edges 2
Duplicates 0 Rejected 1 Findings 3
SiteGraph Auditor self-test passed

健康站点包含四层页面、相对 URL、点路径、fragment 重复和跨域引用，必须通过。风险站点包含缺失 description/canonical、404 和越界路径，必须返回失败；最后再证明安全模式会拒绝 loopback。

输出与当前边界

输出内容
inventory.jsontitle、description、canonical、heading、source_url
graph.jsonsource、原始 href、规范目标、fingerprint、允许状态和拒绝原因
report.json页面、边、重复、拒绝、限制、错误、warning 和 findings
failures.jsonURL、深度和稳定错误