サイトマップの 155 URL を全部取りに行きました。全件 200 でしたが、lastmod の 93% が同じ日付でした

import json, collections, sys
d = json.load(open(sys.argv[1])); by = {r["url"]: r for r in d}
c = collections.Counter()
ex = collections.defaultdict(list)
def flag(k, u, note=""):
    c[k] += 1
    if len(ex[k]) < 3: ex[k].append((u, note))
for r in d:
    u = r["url"]
    if r["canonical"] != u: flag("canonical≠loc", u, str(r["canonical"]))
    en = "/en/" in u or u.endswith("/en")
    want = "en" if en else "ja"
    if (r["html_lang"] or "")[:2] != want: flag("html_lang≠path", u, str(r["html_lang"]))
    if r["robots"] and "noindex" in r["robots"].lower(): flag("noindex-in-sitemap", u, r["robots"])
    if not r["sm_hreflang"]: flag("sm:no-hreflang", u)
    for lang, href in r["sm_hreflang"].items():
        t = by.get(href)
        if t is None: flag("sm:alt-not-in-sitemap", u, f"{lang}->{href}"); continue
        back = t["sm_hreflang"].get(lang)
        if back != href: flag("sm:not-reciprocal", u, f"{lang}->{href} back={back}")
    if r["sm_hreflang"] and r["page_hreflang"] != r["sm_hreflang"]:
        flag("sitemap≠page-hreflang", u, f"sm={sorted(r['sm_hreflang'])} page={sorted(r['page_hreflang'])}")
    if r["sm_hreflang"] and not r["page_hreflang"]: flag("page:no-hreflang-tags", u)
    if r["ms"] > 1500: flag("slow>1.5s", u, str(r["ms"]))
print("URLs", len(d), "ms median", sorted(r["ms"] for r in d)[len(d)//2], "max", max(r["ms"] for r in d))
for k, v in c.most_common(): print(k, v, ex[k][:2])
print("with-hreflang", sum(1 for r in d if r["sm_hreflang"]), "without", sum(1 for r in d if not r["sm_hreflang"]))

#!/usr/bin/env python3
"""lastmod_check.py — sitemap の lastmod が 1 日に集中していないかを見る。
usage: python3 lastmod_check.py report.json [--max-share 0.5]
終了コード 0=問題なし / 1=集中（最多の日付が全体の max-share を超えた）"""
import collections, json, sys
rows = json.load(open(sys.argv[1]))
limit = float(sys.argv[sys.argv.index("--max-share") + 1]) if "--max-share" in sys.argv else 0.5
days = collections.Counter((r["lastmod"] or "none")[:10] for r in rows)
day, n = days.most_common(1)[0]
share = n / len(rows)
print(f"{len(rows)} URLs / 最多の日付 {day} が {n} 件 ({share:.0%}) / 日付の種類 {len(days)}")
sys.exit(1 if share > limit else 0)

155 URLs / 最多の日付 2026-10-28 が 144 件 (93%) / 日付の種類 3

#!/usr/bin/env python3
"""lastmod_vs_header.py — sitemap の lastmod と、実際の Last-Modified ヘッダを日単位で比べる。
usage: python3 lastmod_vs_header.py report.json"""
import datetime, email.utils, json, statistics, sys, urllib.request
from concurrent.futures import ThreadPoolExecutor
 
rows = json.load(open(sys.argv[1]))
 
def head(row):
    req = urllib.request.Request(row["url"], method="HEAD",
                                 headers={"User-Agent": "sitemap-audit/1.0 (own-site check)"})
    try:
        return row["url"], urllib.request.urlopen(req, timeout=20).headers.get("Last-Modified")
    except Exception:
        return row["url"], None
 
with ThreadPoolExecutor(6) as ex:
    header = dict(ex.map(head, rows))
 
gaps, skipped = [], 0
for r in rows:
    h, lm = header[r["url"]], r["lastmod"]
    if not h or not lm:
        skipped += 1          # どちらかが無い URL は比べない
        continue
    h_day = email.utils.parsedate_to_datetime(h).date()
    s_day = datetime.date.fromisoformat(lm[:10])
    gaps.append(((h_day - s_day).days, r["url"]))
 
newer = [g for g in gaps if g[0] > 0]
print(f"比較 {len(gaps)} 件 / 比べられず {skipped} 件")
print(f"ヘッダのほうが新しい: {len(newer)} 件 / 差の中央値: {statistics.median(g[0] for g in gaps)} 日 / 最大: {max(g[0] for g in gaps)} 日")

比較 154 件 / 比べられず 1 件
ヘッダのほうが新しい: 10 件 / 差の中央値: 0.0 日 / 最大: 95 日

git log -1 --format=%cs -- content/articles/ja/tips/mdx-body-link-orphans-vs-related-widget-link-audit.mdx
# 2026-10-28  ← 実際の最終更新は 10-23。浅いクローンでは先頭コミットの日付が返る

サイトマップ（https://example.com/sitemap.xml）の全 URL を点検する Python スクリプトを書いてください。
- 標準ライブラリのみ。並列は 6 まで。User-Agent に点検であることを入れる
- 転送は追わず、3xx は 3xx として記録する。取得失敗は status 0 と理由を残す
- 見る項目: ステータス / canonical / html の lang / meta robots / hreflang（サイトマップとページの両方）/ lastmod
- 取得と判定は別のスクリプトに分け、取得結果は JSON に保存する
- 判定では、違反の種類ごとの件数と、各 3 件までの例を出す
やらないこと: 自分のサイト以外への実行、結果に合わせた判定基準の変更