Un parser de Python que guarda en una tabla los datos SEO de las páginas de una web: title, description, H1, estado, canonical

Ejemplo de resultado

def product_links(list_url: str) -> Iterator[str]:
    """Enlaces a las páginas de producto de todas las páginas de la lista, siguiendo 'Siguiente'."""
    url: str | None = list_url
    while url:
        page = fetch(url)
        for card in page.select("div.product-card a.title"):
            yield urljoin(url, card["href"])
        next_link = page.select_one("a.pagination-next")
        url = urljoin(url, next_link["href"]) if next_link else None


def fetch(url: str) -> BeautifulSoup:
    """Una página abierta, a un ritmo prudente: una pausa entre peticiones y algunos reintentos si hay errores."""
    for attempt in range(3):
        time.sleep(settings.delay_seconds)
        response = session.get(url, timeout=30)
        if response.status_code == 200:
            return BeautifulSoup(response.text, "html.parser")
        log.warning("%s respondió %s, intento %d de 3", url, response.status_code, attempt + 1)
    raise ScraperError(f"{url} no se abrió tras 3 intentos")

Acerca de este servicio

Antes de una migración o una revisión SEO, este parser recorre las páginas de una web y guarda una fila por cada una: dirección, código de respuesta, title y meta description con su longitud, H1, número de H2, enlace canonical, etiqueta noindex, número de palabras, imágenes sin texto alt y número de enlaces internos. Toma las direcciones del archivo sitemap de la web, de las páginas de categoría o de su propia lista. Úselo con su propia web o con la web abierta de un competidor. Envíenos la dirección de la web, algunas páginas guardadas desde su navegador y los campos que necesita. Recibe código Python, un archivo de configuración y un README y lo ejecuta en su ordenador. Recoge datos, no arregla la web y no promete posiciones en buscadores. Lee solo páginas abiertas a un ritmo prudente y nunca inicia sesión ni se salta captchas o protecciones. Usted decide si las condiciones de una web lo permiten; un cambio posterior de estructura requiere una actualización.

Qué incluye

• Qué recibeUn archivo ZIP con el código Python, un archivo de configuración y un README con instrucciones paso a paso; el código también se muestra en la página del pedido.
• Etiquetas y su longitudTitle y description con número de caracteres
• Códigos de respuestaDetecte páginas rotas y redirigidas
• Texto alt que faltaCuenta las imágenes sin texto alt
• Desde el sitemap o su listaDirecciones del archivo sitemap, categorías o un archivo que usted dé
• Ritmo prudenteUna pausa entre páginas, fijada en la configuración

Cómo funciona

1. 1
   WebUsted da la web, el origen de las direcciones y páginas guardadas
2. 2
   ParserEscribimos el código y la guía para ejecutarlo
3. 3
   EjecuciónLo ejecuta y comprueba algunas filas en su navegador
4. 4
   CambiosPide cambios dentro de su paquete y nos envía cualquier mensaje de error

Qué necesitamos de usted

La dirección de la web y de dónde debe tomar el parser las direcciones: el archivo sitemap, las páginas de categoría o su propia lista. Cuántas páginas hay aproximadamente. Los campos que necesita, p. ej., dirección, código de respuesta, title, description, H1, canonical, noindex, número de palabras, imágenes sin alt. Dos o tres páginas de distintos tipos guardadas desde su navegador (Archivo > Guardar página como). CSV o Excel.

Le preguntaremos:

• ¿Qué web?
• De dónde tomar las direcciones
• Los campos que necesita
• ¿Cuántas páginas aproximadamente?

Comparar paquetes

Preguntas y respuestas

¿No encontró su respuesta? Pregúntenos