本文リンクの入り口がない記事は 594 本ありました。関連記事の欄まで数え直すと、本当に孤立していたのは 6 本でした

#!/usr/bin/env python3
"""MDX サイトの内部リンク監査: 本文リンク・関連記事ウィジェット・ビルドで削られるリンクを数える。
usage: link_audit.py <repo> <ja|en> [--suggest N]"""
import re, sys, collections, pathlib
 
repo, lang = pathlib.Path(sys.argv[1]), sys.argv[2]
CAP = int(sys.argv[sys.argv.index("--suggest") + 1]) if "--suggest" in sys.argv else 0
PREFIX = "/articles/" if lang == "ja" else "/en/articles/"
LINK = re.compile(r'\]\((/(?:en/)?articles/[^)#\s?]+)|href="(/(?:en/)?articles/[^"#\s?]+)')
FENCE = re.compile(r"```.*?```", re.S)
 
def tag_block(front):  # tags: は [..] 形式と、改行して - "a" と並べる形式の両方がある
    t = re.search(r"^tags:(.*?)(?=^\S|\Z)", front, re.S | re.M)
    return t.group(1) if t else ""
 
def load(lang):
    arts = {}
    for p in (repo / "content/articles" / lang).rglob("*.mdx"):
        m = re.match(r"^---\n(.*?)\n---\n", p.read_text(encoding="utf-8"), re.S)
        if not m:
            continue
        fm = dict(l.split(":", 1) for l in m.group(1).splitlines() if ":" in l and l[0] != " ")
        body = p.read_text(encoding="utf-8")[m.end():]
        arts[f"{p.parent.name}/{p.stem}"] = {
            "cat": p.parent.name,
            "date": fm.get("date", "").strip().strip('"'),
            "hidden": fm.get("noindex", "").strip() == "true",   # 検索対象外の印
            "tags": set(re.findall(r'"([^"]+)"', tag_block(m.group(1)))),
            "body": FENCE.sub("", body),   # コード例の中のリンク例は数えない
        }
    return arts
 
arts = load(lang)
newest_first = sorted(arts, key=lambda k: arts[k]["date"], reverse=True)
 
body_in, dead = collections.Counter(), []
out_n = collections.Counter()
for k in arts:
    for m in LINK.finditer(arts[k]["body"]):
        u = m.group(1) or m.group(2)
        if not u.startswith(PREFIX):
            continue
        t = u[len(PREFIX):].strip("/")
        if t == k:
            continue
        if t in arts:
            body_in[t] += 1
            out_n[k] += 1
        else:
            dead.append((k, t))      # ビルドが黙って外すリンク
 
# 関連記事ウィジェットの再現: 同カテゴリ +3、共有タグ 1 つにつき +2、上位 3 件。
# 同点は newest_first の並びのまま残る（sorted は安定ソート）。
rel_in = collections.Counter()
for k in arts:
    a = arts[k]
    scored = [(j, (3 if arts[j]["cat"] == a["cat"] else 0) + 2 * len(arts[j]["tags"] & a["tags"]))
              for j in newest_first if j != k]
    # 検索対象外の記事は同点以下でなく「必ず後ろ」。コンポーネントの並び順と合わせる。
    top = sorted((s for s in scored if s[1] > 0), key=lambda s: (arts[s[0]]["hidden"], -s[1]))[:3]
    for j, _ in top:
        rel_in[j] += 1
 
n = len(arts)
orph_body = [k for k in arts if body_in[k] == 0]
orph_all = [k for k in orph_body if rel_in[k] == 0 and not arts[k]["hidden"]]  # 検索に出す記事だけを対象にする
edges = sum(rel_in.values())
recent = [k for k in arts if arts[k]["date"] >= sorted(a["date"] for a in arts.values())[-79]]
print(f"{lang}: 記事 {n} / 本文リンクの入り口ゼロ {len(orph_body)} / ウィジェット込みでもゼロ（検索に出す記事のみ）{len(orph_all)}")
print(f"ウィジェットのリンク {edges} 本のうち、最新 {len(recent)} 本への集中 {sum(rel_in[k] for k in recent) / edges:.1%}"
      f"（受け取る記事は {len(rel_in)} 本）")
print(f"ビルドで外されるリンク {len(dead)} 本（{len({d[0] for d in dead})} ファイル）")
 
if CAP:  # 孤立記事ごとに、同カテゴリでタグが重なる記事を「リンク元」に提案する（1 記事あたり CAP 本まで）
    load_ = collections.Counter(); plan = {}
    for o in sorted(orph_all, key=lambda k: arts[k]["date"], reverse=True):
        cands = sorted((s for s in arts if s != o and arts[s]["cat"] == arts[o]["cat"] and load_[s] < CAP),
                       key=lambda s: (-len(arts[s]["tags"] & arts[o]["tags"]), load_[s], s))
        if cands and arts[o]["tags"] & arts[cands[0]]["tags"]:
            plan[o] = cands[0]; load_[cands[0]] += 1
    print(f"提案: {len(plan)}/{len(orph_all)} 本に入り口を作れる（リンク元 {len(load_)} 本・1 本あたり最大 {CAP} 件）")
    for o, s in list(plan.items())[:3]:
        print("  ", s, "->", o)
 
if "--fail-over" in sys.argv:  # CI 用: 孤立が基準値を超えたら終了コード 1
    limit = int(sys.argv[sys.argv.index("--fail-over") + 1])
    sys.exit(1 if len(orph_all) > limit else 0)