hreflangをClaude Codeで検証する — 相互参照の欠落とx-defaultを洗う

#!/usr/bin/env python3
"""sitemap.xml の hreflang を検査する。使い方: python3 check_hreflang.py sitemap.xml"""
import re
import sys
import xml.etree.ElementTree as ET
 
NS = {"sm": "http://www.sitemaps.org/schemas/sitemap/0.9",
      "xhtml": "http://www.w3.org/1999/xhtml"}
RESERVED_REGIONS = {"EU", "UN", "UK"}          # 効果がない地域コード
COUNTRY_AS_LANG = {"jp", "kr", "cn", "gb", "us", "tw"}  # よくある取り違え
CODE_RE = re.compile(r"^[A-Za-z]{2}(-[A-Za-z]{4})?(-[A-Za-z]{2})?$")
 
 
def check_code(code):
    if code.lower() == "x-default":
        return None
    if not CODE_RE.match(code):
        return f"形式が不正: {code}"
    parts = code.split("-")
    if parts[0].lower() in COUNTRY_AS_LANG:
        return f"先頭が国コードに見える: {code}"
    if parts[-1].upper() in RESERVED_REGIONS and len(parts) > 1:
        return f"予約済みの地域コード: {code}"
    return None
 
 
def main(path):
    root = ET.parse(path).getroot()
    pages = {}
    for url in root.findall("sm:url", NS):
        loc = url.findtext("sm:loc", namespaces=NS).strip()
        alts = {}
        for link in url.findall("xhtml:link", NS):
            if link.get("rel") == "alternate":
                alts[link.get("hreflang")] = link.get("href")
        pages[loc] = alts
 
    errors = []
    for loc, alts in pages.items():
        if "x-default" not in alts:
            errors.append((loc, "x-default がない"))
        if loc not in alts.values():
            errors.append((loc, "自分自身を含んでいない"))
        for code, href in alts.items():
            msg = check_code(code)
            if msg:
                errors.append((loc, msg))
            if not href.startswith("https://"):
                errors.append((loc, f"絶対 URL(https)でない: {href}"))
            elif href != loc and href in pages and loc not in pages[href].values():
                errors.append((loc, f"{href} からの戻りリンクがない"))
            elif href not in pages:
                errors.append((loc, f"サイトマップに <url> がない: {href}"))
    for loc, msg in errors:
        print(f"NG {loc}\n   {msg}")
    print(f"{len(pages)} URL を検査 / {len(errors)} 件の問題")
    return 1 if errors else 0
 
 
if __name__ == "__main__":
    sys.exit(main(sys.argv[1]))

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9" xmlns:xhtml="http://www.w3.org/1999/xhtml">
  <url>
    <loc>https://example.com/ja/page</loc>
    <xhtml:link rel="alternate" hreflang="ja" href="https://example.com/ja/page"/>
    <xhtml:link rel="alternate" hreflang="en" href="https://example.com/en/page"/>
    <xhtml:link rel="alternate" hreflang="x-default" href="https://example.com/en/page"/>
  </url>
  <url>
    <loc>https://example.com/en/page</loc>
    <xhtml:link rel="alternate" hreflang="en" href="https://example.com/en/page"/>
    <xhtml:link rel="alternate" hreflang="jp" href="https://example.com/ja/page"/>
  </url>
  <url>
    <loc>https://example.com/en-uk/page</loc>
    <xhtml:link rel="alternate" hreflang="en-UK" href="https://example.com/en-uk/page"/>
    <xhtml:link rel="alternate" hreflang="x-default" href="https://example.com/en/page"/>
  </url>
</urlset>

NG https://example.com/en/page
   x-default がない
NG https://example.com/en/page
   先頭が国コードに見える: jp
NG https://example.com/en-uk/page
   予約済みの地域コード: en-UK
NG https://example.com/en-uk/page
   https://example.com/en/page からの戻りリンクがない
3 URL を検査 / 4 件の問題

from html.parser import HTMLParser
from pathlib import Path
 
 
class LinkParser(HTMLParser):
    def __init__(self):
        super().__init__()
        self.canonical = None
        self.alts = {}
 
    def handle_starttag(self, tag, attrs):
        if tag != "link":
            return
        a = dict(attrs)
        rel = (a.get("rel") or "").lower()
        if rel == "canonical":
            self.canonical = a.get("href")
        elif rel == "alternate" and a.get("hreflang"):
            self.alts[a["hreflang"]] = a.get("href")
 
 
def load_pages(build_dir):
    pages = {}
    for f in Path(build_dir).rglob("*.html"):
        p = LinkParser()
        p.feed(f.read_text(encoding="utf-8"))
        if p.canonical:
            pages[p.canonical] = p.alts
    return pages

## 多言語サイトマップ
- 言語を追加・変更したら、完了前に必ず
  `python3 scripts/check_hreflang.py public/sitemap.xml` を実行する
- 終了コードが0になるまで修正を続ける
- 言語コードは ja / en / en-GB の形で書く。jp と UK は使わない
- 手動で全言語版の注釈を書き足さず、生成スクリプトを直す

{
  "hooks": {
    "PostToolUse": [
      {
        "matcher": "Edit|Write",
        "hooks": [
          {
            "type": "command",
            "command": "jq -r '.tool_input.file_path' | grep -q sitemap || exit 0; python3 scripts/check_hreflang.py public/sitemap.xml >&2 || exit 2"
          }
        ]
      }
    ]
  }
}