W3C Link Checker : traquer les liens cassés et les ancres orphelines d’une page

Pour chaque page soumise, l’outil lit le code HTML (ou une feuille de style CSS), en extrait les liens et les ancres, puis interroge chaque adresse, le plus souvent par une simple requête HEAD qui demande l’en-tête de la réponse sans télécharger la page. Il vérifie au passage qu’aucune ancre n’est déclarée deux fois et que les liens vers un fragment précis (page.html#section) trouvent bien leur cible, un contrôle que peu d’outils grand public poussent aussi loin. Les redirections sont signalées, y compris les plus discrètes, comme un dossier appelé sans sa barre oblique finale. Une case permet d’aller plus loin et de suivre les liens internes sur plusieurs niveaux, dans la limite de 150 documents pour la version en ligne. L’exploration ne descend que dans les pages dont l’adresse commence par celle de la page de départ : pour couvrir un petit site, il faut partir de sa racine.

L’outil se montre volontairement poli avec les serveurs : il respecte le fichier robots.txt (il s’y annonce sous le nom W3C-checklink) et marque une pause d’au moins une seconde entre deux requêtes vers un même site. C’est ce qui le rend lent sur une page riche en liens, mais aussi ce qui évite de passer pour un robot agressif.

Le programme est né au W3C en août 1998, écrit par Renaud Bruyeron, puis entièrement réécrit par Hugo Haas en novembre 1999 ; Ville Skyttä et d’autres bénévoles l’ont fait évoluer ensuite. Il s’agit d’un script Perl distribué sous la licence logicielle du W3C, que l’on peut aussi installer chez soi depuis CPAN pour l’utiliser en ligne de commande, sans plafond de pages. La dernière version publiée, la 5.0.0, date de juin 2021 ; le dépôt reste ouvert, mais n’a plus reçu que de petites retouches depuis. Le W3C, fondé en 1994 par Tim Berners-Lee, est depuis janvier 2023 un organisme indépendant à but non lucratif, qui finance ses validateurs en partie grâce aux dons.