SEO Lighthouse Multiple URLs

SEO: запустите несколько URL-адресов и получите баллы Lighthouse V5

Как работает скрипт

Этот скрипт Python предназначен для извлечения показателей веб-производительности, в частности основных веб-показателей, из списка URL-адресов с помощью API Google PageSpeed ​​Insights. Он использует библиотеку aiohttp для асинхронных HTTP-запросов и asyncio для обработки параллелизма. Извлеченные показатели затем обрабатываются и сохраняются в файл Excel для дальнейшего анализа.

Рабочий процесс сценария

1. Список URL-адресов : сценарий начинается с предопределенного списка URL-адресов для анализа. Вы можете настроить этот список, добавляя или удаляя URL-адреса в переменной url_list .

2. Конфигурация API : устанавливаются ключевые параметры конфигурации, в том числе:

   • category : Категория производительности для анализа.
   • today : текущая дата в формате «дд-мм-гггг».
   • locale : локаль для анализа (например, «br» для Бразилии).
   • key : ваш ключ API, который вы можете получить из API Google PageSpeed ​​Insights.

3. Извлечение данных API : сценарий определяет асинхронную функцию webcorevitals для выполнения запросов API для каждого URL-адреса, как для «мобильных», так и для «настольных» устройств. Он извлекает различные показатели производительности, такие как первая задержка ввода (FID), взаимодействие с следующей отрисовкой (INP), время до первого байта (TTFB), первая отрисовка контента (FCP), индекс скорости (SI), наибольшая отрисовка контента (LCP). , время взаимодействия (TTI), общее время блокировки (TBT), совокупный сдвиг макета (CLS), общий размер страницы и общий показатель производительности.

4. Преобразование данных : Извлеченные данные преобразуются и обрабатываются для обеспечения согласованности и правильных типов данных.

5. Создание DataFrame : DataFrame Pandas создается для организации извлеченных показателей. DataFrame структурирован столбцами для даты, URL-адреса, оценки, FCP, SI, LCP, TTI, TBT, CLS, размера в МБ и устройства.

6. Параллельное выполнение : сценарий использует asyncio для одновременного выполнения запросов API для всех URL-адресов и устройств, что значительно ускоряет процесс извлечения данных.

7. Вывод Excel : окончательный DataFrame объединяется из всех запросов и сохраняется как файл Excel с именем «output.xlsx» в том же каталоге, что и сценарий.

Как это использовать

1. Установите зависимости : убедитесь, что у вас установлены необходимые библиотеки Python. Вы можете установить их с помощью pip:

   pip install aiohttp asyncio pandas

2. Ключ API . Получите ключ API от Google PageSpeed ​​Insights API и замените key переменную в скрипте своим ключом.

3. Настроить список URL-адресов : настройте список URL-адресов для анализа, изменив переменную url_list в скрипте.

4. Запустите сценарий . Выполните сценарий с помощью Python:

   python lighthouse.py

5. Вывод : как только сценарий завершит выполнение, вы найдете файл Excel с именем «output.xlsx», содержащий извлеченные показатели веб-производительности, в том же каталоге, что и сценарий.

Например:

Дата	URL-адрес	Счет	ФКП	СИ	ЛКП	ТТИ	ТБТ	ЦЛС	Размер (МБ)	Устройство
2023-09-25	https://www.google.com	76	2	3.2	2	8,5	910	0,014	1.123100281	мобильный
2023-09-25	https://www.google.com	92	0,4	0,8	0,6	1,9	220	0,007	1.246808052	рабочий стол

Содействие

Если вы хотите внести свой вклад, откройте вопрос или отправьте мне электронное письмо [email protected]. Если не просто дайте мне звезду.

Авторы

• Конрад Бурхардт - Начальная работа - Sundios
• Винисиус Станула – добавлены новые метрики и реализована асинхронная функция – Винисиус