Excel 图片链接可用性检查 - 免费小工具（其它工具）

这个工具解决什么问题

做电商和内容的人都遇到过这种场面：活动要上线了，把商品表导到页面上，主图位置一片空白，点开一看是灰底裂图。回头查表，那张图是半年前从别处复制过来的地址，对方早就换了目录。麻烦的地方在于这一类问题完全不会报错：Excel 里那一列看起来正常，单元格里就是一串 https 开头的地址，既不标红也不提示；只有真的被浏览器加载一次，才知道它已经 404。表里几十行还好，挨个点一遍十几分钟；几百行、几千行就是纯粹熬时间。更糟的是有几类失效特别隐蔽——地址不是打不开，而是先跳转两次才 404；或者服务器一直转圈直到超时；或者干脆返回一个防盗链提示页，看着是能打开的。人工一条条点，这些基本全漏，最后交出来的结论通常是「大概看了一下，应该没问题」。

• 原来的做法：在 Excel 里点开每一条图片链接，看浏览器能不能显示；坏的凭记忆记在便签上；遇到跳转要看地址栏才知道最终落到哪；超时的链接得干等半分钟；几百行做完就是一下午，还容易被记混
• 用这个工具：选中表格文件点一次「开始检测」，程序自动把表里所有 http(s) 图片地址找出来、并发逐条探测，几十秒后一张表列清每条链接的真实状态（正常 / 跳转后正常 / 不是图片 / 死链 / 超时 / 域名失效 / 连接被拒 / 证书错误），有问题的行整行标红并按原表行号定位，还能一键导出 CSV 存档
• 省下来的：把一下午的逐条点击压成一次点击，而且分得比人工细：连「跳到一半才 404」「响应超时」「返回的是网页不是图片」这几类人工最容易漏的情况都能单独列出来，改完图床还能再跑一遍复查

技术实现

整个工具只用 Python 标准库（zipfile、xml.etree、csv、json、urllib、ssl、socket、threading、concurrent.futures、tkinter），运行期不需要安装任何依赖，打包后是单个 exe，双击即用。四个刻意的取舍：第一，xlsx 不去引 openpyxl，而是自己按 OOXML 规矩拆 zip 读 XML —— 需要的能力（取工作表名单、取单元格文本）标准库完全够用，引第三方库会让单文件 exe 变大、也埋下版本冲突的隐患；第二，探测不只用 HEAD，而是 HEAD 优先、被拒就换 GET 复测，因为现实里大量图片 CDN 对 HEAD 返回 403/405/501，只用 HEAD 会把正常图误报成死链；第三，并发只跨域名并行，同一域名强制拉开请求间隔，一个表里几百张图常常挂在同一台 CDN 上，不拉开间隔等于对它发起一次小型攻击；第四，界面与核心逻辑彻底分离，核心层不 import 任何 GUI 库，因此能脱离窗口跑全自动回归测试（60 项断言，含对本地 HTTP 服务的真实请求）。

• xlsx 自己拆 zip 解析，不引第三方库：xlsx 本质就是「若干 XML 打成的一个 zip」，解析链路是：zipfile 打开 → 读 xl/workbook.xml 拿工作表名与顺序 → 读 xl/_rels/workbook.xml.rels 把 <sheet r:id="rIdN"> 映射到具体的 xl/worksheets/sheetN.xml → 读 xl/sharedStrings.xml 还原文本 → 逐 <c> 单元格取值。这里有个不能省的细节：工作表在 zip 里的物理顺序和界面上看到的标签顺序不一定一致（用户在 Excel 里拖拽过标签就会不一致），所以必须按 rels 映射找，不能直接假设 sheet1.xml 就是第一个标签页。文本单元格大多数存成 t="s" + 一个整数索引，真正的文字在共享字符串表里，而且 <si> 内部可能有多个 <r><t> 富文本分段，要全部拼起来；否则带加粗或变色的单元格会读成空。
• 探测 HEAD 优先、GET 兜底：这一个分支决定了误报率：看上去 HEAD 更省流量，但现实里大量图片 CDN 对 HEAD 直接返回 403 / 405 / 501，甚至断开连接。如果只用 HEAD，一个正常图床的几百张图会整批被标成死链，工具等于废掉。所以探测先发 HEAD，状态码落在 {400, 403, 405, 406, 501} 就自动改用 GET 复测，并在说明列标注「HEAD 被拒，已改用 GET 复测」，让用户知道这条结论是怎么来的。GET 兜底时带 Range: bytes=0-0，只取第一个字节 —— 状态码到手结论就确定了，没必要把对方几 MB 的图整个拖回来。
• HTTPError 不是错误，是结论：urllib 会把 4xx/5xx 抛成 HTTPError 异常，但那其实是一次成功的探测，状态码本身就是我们要的结果。代码里把 HTTPError 单独分支处理，绝不能和「连不上」混进同一个 except。同时异常判断的 isinstance 顺序很关键：SSLError / gaierror / TimeoutError 都是 OSError 的子类，必须先把子类判掉，否则域名解析失败、证书过期、请求超时会被统一归成笼统的「无法连接」，用户看到这句话根本不知道该改什么。
• 并发只跨域名，同域名强制限速：ThreadPoolExecutor 负责并发，HostPacer 负责礼貌：每个域名维护一个「下次可发车时间」，请求前先抢发车权，抢不到就等到时间点。跨域名照常并行（十几张不同站点的图仍然是并发速度），同域名则被强制拉开间隔（默认 0.3 秒）。等待切成 0.1 秒小片，这样点「停止」能立刻生效，而不是干等到某一批全部返回。结果按入参下标写进固定长度的数组，保证结果条数与待检测清单一一对应，界面上不会出现「幽灵行」。
• 列自动识别：不用按固定列名排布表头：每个客户表的列名都不一样（主图、主图链接、图片地址、image_url…），所以不按列名匹配，而是按「这一列里出现 http(s) 链接的行数占比是否达到 30%」来识别链接列，识别出来的列在界面上默认勾选好。阈值取 30% 而不是 100%，是因为真实表格常有空行和「暂无」；也不能低到一两条，否则备注里偶然提到一个网址的列会被误勾。链接提取本身用正则抓 http/https，并把运营从聊天工具复制时连带带上的中文括号、句号、引号剥掉 —— 不剥就会把本来正常的链接判成 404。
• 一条烂链接不该拖垮整个扫描：实测踩到的坑：http.client 在拼请求头时用 latin-1 编码主机名，如果表格里有一条中文域名的地址，会抛 UnicodeEncodeError —— 它是 ValueError 的子类，不属于 OSError，普通网络异常分支接不住，会直接把整个并发扫描线程带崩。现在分两道防线：probe() 里先把非 ASCII 域名转成 punycode（转不了就原样走），末尾再挂一个 except Exception 兜底，把任何意外都降级成「这一条请求失败」；check_targets() 的 worker 里还有第二层保护，因为 worker 抛异常会让 fut.result() 炸掉整个批次。
• 自带本地演示服务，示例数据完全离线：「载入示例数据」不是指向公网图片：程序会在本机 127.0.0.1 上起一个随机空闲端口的 HTTP 服务，覆盖八种典型响应（正常 PNG / 302 跳转 / 404 / 410 / 403 / 500 / 返回 HTML 页 / 延迟 6 秒），再就地造一份指向它的 xlsx 并走正常的解析路径读进来。好处是三点：断网也能演示、十几毫秒出结果、每次结果都一样（截图和验收都靠它）。顺带把「写 xlsx」这件事也自己实现了 —— 只写内联字符串、省掉共享字符串表，几十行代码，还顺带给解析器做了一次端到端验证。

技术栈：Python 3.8+、运行期零第三方依赖（纯标准库）、tkinter 图形界面、zipfile + xml.etree 自解析 xlsx、urllib + ssl + socket 探测 HTTP 状态、ThreadPoolExecutor 并发 + 同域名限速、PyInstaller 单文件打包（--noconsole）

已知局限：只解析静态表格里的文本链接，不解析单元格里嵌入的图片对象本身（只认地址，不认浮动在格子上的图）。不做递归爬取，也不执行 JavaScript。无法判断「地址能打开但图片内容已经被换成另一张」这类软失效（那属于图像比对，不在本工具范围）。表格极端巨大（几十万行）时，界面控件的渲染会成为瓶颈，建议先按列拆分成几个文件分批跑。总耗时取决于对方站点的响应速度，视机器与网络而定；受同域名限速影响，同一图床上的链接多时总耗时是线性的（这是刻意保留的礼貌取舍，可以调小「同域名间隔」，但不建议设为 0）。

操作教程

1. 双击打开程序
   解压后双击「Excel 图片链接可用性检查.exe」，不需要安装 Python 或任何依赖。想先看效果可以直接点「载入示例数据」。
   预期结果：出现主窗口，自上而下是 ①选择表格文件、②检测选项、③操作按钮、④检测结果
2. 选择表格文件
   点「选择表格文件…」，在系统文件对话框里选 .xlsx / .csv / .json。表格里只要有 http(s) 开头的图片地址就行，列名叫什么无所谓。
   预期结果：文件名出现在输入框里，右侧「表格概况」显示格式、数据行数、列数、识别到的链接列与可检出链接条数
3. 确认要检查哪些列
   程序自动识别出含链接的列并帮你勾选好。如果有列没被识别到（比如图片地址写在备注里），在「要检查哪些列」里按住 Ctrl 手动加选。xlsx 还可以在下拉里切换工作表。
   预期结果：选中的列在列表框里高亮；切换工作表后概况与列选择会重新加载
4. 看一眼检测选项（默认值可直接用）
   「同时检测数」默认 8、「超时」默认 10 秒、「同域名间隔」默认 0.3 秒。绝大多数情况不用改。图片地址在证书有问题的老站点上时，勾上「忽略证书错误」。
   预期结果：数值框可以直接输入或点上下箭头微调，改动立即生效
5. 点「开始检测」
   程序在后台并发探测，进度条前进、状态栏显示已完成与总数；中途可以点「停止」，已发出的请求等它返回、未开始的直接跳过。
   预期结果：结果表格逐行出现，窗口全程不卡死；正常行浅绿、有问题行浅红
6. 挑出红色行处理
   结果表按「表格行 / 所在列 / 图片链接 / 检测结果 / 状态码 / 耗时 / 说明」展示。表格行就是它在原表里的行号，照着回去改那一个单元格即可。双击任意一行会用浏览器打开该链接确认；右键可复制链接。勾上「只显示有问题的」可以只看需要处理的。
   预期结果：红色行即失效链接；看「说明」列能知道具体原因（如 文件不存在(404)、域名解析不了、返回的是 text/html 不是图片）
7. 导出 CSV 存档、改完再复查
   点「导出 CSV」把这些结果存成表格（带 UTF-8 BOM，Excel 双击打开不会中文乱码），点「打开导出目录」直接跳到文件位置。把表里的坏地址替换掉之后再跑一遍，红色行应当清空。
   预期结果：CSV 生成并可正常打开；复查时红色行数量下降或归零

常见问题

技术实现与后续维护

本工具由我们自行开发并持续维护，每次迭代都会在本地跑完一整套回归测试（60 项断言，其中 HTTP 相关用例全部打在本地临时服务上，断网也能复现）。核心逻辑与界面彻底分离：表格解析、链接提取、HTTP 探测、错误分类、并发调度、CSV 导出都是可独立调用的纯函数，所以后续无论是换界面、加新的输入格式还是调整结果分类，改动都不会牵一发动全身。两处已知的坑（中文域名导致编码异常、非 HTTPError 的意外把扫描线程带崩）都已经修掉并写进回归用例，改代码时不会被重新引入。

技术构成：

• src/image_url_check_core.py —— 核心逻辑层（不含任何界面代码）：xlsx / csv / json 解析、链接提取与列识别、HTTP 探测与错误翻译、并发调度与同域名限速、统计与 CSV 导出
• src/image_url_check_gui.py —— 程序入口：tkinter 窗口布局、事件绑定、后台线程与队列调度、结果上色、筛选与导出
• src/demo_server.py —— 本地演示服务：内置正常 / 跳转 / 404 / 410 / 403 / 500 / 非图片 / 超时 八类响应，供示例数据与自测使用
• src/make_sample.py —— 示例数据生成器 + 极简 xlsx 写出器（只写内联字符串，几十行代码完成 zip 与 XML 组装）
• src/selftest.py —— 无界面回归测试：60 项断言，覆盖表格解析往返、链接提取与列识别、以及对本地服务的真实 HTTP 端到端探测

运行环境：

Windows 10/11 64 位。运行版是单个 exe，不需要安装 Python、不需要装任何依赖，解压双击即用。程序需要联网（只在检测时访问你表格里填写的那些网址）。界面基于 Python 标准库自带的 tkinter 构建，运行时无需任何第三方包；打包时必须带 --noconsole，否则会多出一个控制台黑框。

可扩展方向：

• 写回原表：检测完直接把结果写回原 xlsx 的相邻单元格，不用手工对照行号修改
• 批量替换试测：把旧域名批量替换成新图床域名先试测，一次性产出需要替换的清单
• 增量复查：把每次结果存成基线，下次只报本次新出现的坏链接，适合长期维护的表
• 支持更多来源：从飞书多维表格 / 腾讯文档表格 / 数据库直接取 URL
• 软失效识别：在状态码之外增加图片尺寸或内容是否被替换的比对
• 结果报告：生成带统计图表的 HTML 或 Excel 报告，可直接发给客户或团队

本工具免费提供使用，但不对外分发源码。如果你需要在本工具基础上做功能调整、对接内部系统或长期维护，可以联系我们做二次开发，源码与工程文档可在定制合作中一并交付。

使用说明与免责声明

• 本程序只在执行任务时访问你自己填写的地址，不向任何第三方服务器上传数据，结果只保存在本机。
• 涉及文件改写的功能，请在使用前备份原始文件。
• 软件完全免费，可自由使用与转发，请勿用于倒卖。
• 因误操作造成的数据问题请自行承担。

检测结果仅供参考：返回 403 可能是对方开启了防盗链、401 可能是页面需要登录、5xx 可能是对方正在维护，这些情况建议手动点开确认后再处理。