import {escapeHtml} from './head';
export interface DirectoryEntry {
/** 발행본 주소. 페이지 canonical 과 **같은 형태**여야 한다(끝 슬래시 없음). */
loc: string;
/** 구운 index.html 의 . 디스크에 있는 것이 곧 정답이다. */
title: string;
/** 마지막 발행 시각(ISO). */
lastmod?: string;
}
/**
* 구운 `index.html` 에서 `<title>` 만 꺼낸다. 파서를 붙일 값어치가 없는 한 줄짜리 일이다.
*
* ★ 왜 payload 가 아니라 구운 HTML 을 읽나 — 발행은 **바뀐 사이트 하나만** 굽는다.
* 이번 실행분으로만 목록을 만들면 나머지 사이트가 목록에서 사라진다.
*/
export function readBakedTitle(html: string): string {
const match = /<title>([^<]*)<\/title>/.exec(html);
return match ? match[1].trim() : '';
}
/**
* 페이지가 스스로 `noindex` 를 선언했나. 그런 페이지는 사이트맵·`/s` 목록·llms.txt 에 싣지 않는다.
*
* ★ 왜 — `out/s/` 에는 payload 없는 목업·백업(`stay2` · `stay3` · `*.old`)이 섞여 있고, 목록은
* 디렉토리를 훑어 만든다. 목업은 운영본(`/s/stay`)의 복제라 제목·본문이 같은데 canonical 은
* 각자 자기를 가리켰다 — 구글은 같은 글 여러 벌 중 하나만 고르고, 실측(2026-09-11) 운영본이
* "스테이머뭄" 검색에서 통째로 빠졌다. 목업에 noindex 를 박는 것만으로는 절반이다 — 사이트맵에
* 남아 있으면 서치콘솔이 "제출된 URL 에 noindex" 오류를 계속 띄운다.
* ★ 슬러그 이름 규칙(`.old` 등)으로 거르지 않는다 — 페이지 자신의 선언이 유일한 출처다.
*/
export function readBakedNoindex(html: string): boolean {
const match = /<meta name="robots" content="([^"]*)"/.exec(html);
return match ? /(^|[\s,])(noindex|none)([\s,]|$)/.test(match[1]) : false;
}
/**
* 사이트맵 `lastmod` — **페이지가 스스로 선언한 `dateModified` 를 그대로** 쓴다.
*
* ★ 파일 mtime 을 쓰면 안 된다(예전 구현). 렌더러를 배포하면 번들 해시가 바뀌어 내용이
* 같은 사이트까지 전부 다시 구워진다 — mtime 은 그때마다 오늘이 되고, 사이트맵은
* **"전 사이트가 오늘 갱신됨"** 을 통보한다. 구글은 lastmod 를 페이지의 실제 수정과
* 대조해 맞을 때만 쓰고 어긋나면 그 필드를 **아예 무시한다**(Search Central: "the date and
* time of the last significant update" · "consistently and verifiably accurate").
* 즉 이 오염은 사장님이 **진짜로** 내용을 고쳐 재발행한 날의 신호까지 같이 죽인다.
*
* ★ head.ts 의 `dateModified` 메타와 **같은 값**을 읽는다 — 구글이 대조하는 그 값이라
* 사이트맵과 페이지가 어긋날 수 없다. head.ts 가 이 태그를 바꾸면 여기도 같이 고친다
* (directory.test.ts 가 그 커플링을 고정해 둔다).
*/
export function readBakedLastmod(html: string): string | undefined {
const match = /<meta name="dateModified" content="([^"]*)"/.exec(html);
const value = match?.[1].trim();
// 값이 깨졌으면 넣지 않는다 — 틀린 lastmod 는 없는 것보다 나쁘다(위 ★ 참조).
return value && !Number.isNaN(Date.parse(value)) ? value : undefined;
}
/**
* `/s/` 발행 사이트 목록 페이지.
*
* ★ 왜 필요한가 — 크롤러가 발행본에 닿는 경로가 사이트맵 **하나뿐**이었다.
* 실측(2026-09-07 서치콘솔 URL 검사, /s/stay): "참조 페이지: 감지된 페이지 없음".
* 사이트맵은 "이런 주소가 있다"만 말하고 그 페이지가 왜 볼 가치가 있는지는 말하지 않는다.
* 링크는 둘 다 한다 — 그래서 색인은 되는데 순위가 0인 상태를 링크가 푼다.
*
* ★ 왜 자바스크립트를 쓰지 않는가 — 랜딩(`/`)의 쇼케이스는 API 를 fetch 해서 그리는
* 클라이언트 렌더다(ShowcaseGrid.tsx). JS 를 실행하지 않는 크롤러에게 그 링크는 없는 것과
* 같다. 이 페이지는 링크가 존재하는 것 자체가 목적이므로 정적 HTML 로 굽는다.
*/
export function renderSiteIndex(
origin: string,
/** 목록 페이지 자신의 주소(`<origin>/s`). 발행본 주소와 **같은 형태**여야 한다 —
* 끝 슬래시 없음. nginx 가 `location = /s` 로 이 파일을 직접 준다(nginx/site.conf). */
indexUrl: string,
entries: DirectoryEntry[],
): string {
const canonical = indexUrl;
const title = '발행된 홈페이지 목록';
const description =
`Web4Ai 로 만들어 발행된 가게 홈페이지 ${entries.length}곳입니다. ` +
'각 페이지는 사업자가 확인한 정보만 담고 있습니다.';
const items = entries
.map((entry, index) =>
[
' {',
' "@type": "ListItem",',
` "position": ${index + 1},`,
` "url": ${JSON.stringify(entry.loc)},`,
` "name": ${JSON.stringify(entry.title)}`,
' }',
].join('\n'),
)
.join(',\n');
const cards = entries
.map((entry) =>
[
' <li>',
` <a href="${escapeHtml(entry.loc)}">`,
` <strong>${escapeHtml(entry.title)}</strong>`,
entry.lastmod
? ` <time datetime="${entry.lastmod}">${entry.lastmod.slice(0, 10)} 갱신</time>`
: '',
' </a>',
' </li>',
]
.filter(Boolean)
.join('\n'),
)
.join('\n');
return `<!doctype html>
<html lang="ko">
<head>
<meta charset="UTF-8" />
<meta name="viewport" content="width=device-width, initial-scale=1.0" />
<title>${escapeHtml(title)}