Parser w Pythonie, który zapisuje dane SEO podstron witryny w tabeli: title, description, H1, status, canonical

Przykładowy rezultat

def product_links(list_url: str) -> Iterator[str]:
    """Linki do stron produktów z każdej strony listy, z przejściem przez „Dalej”."""
    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:
    """Jedna ogólnodostępna strona, w spokojnym tempie: przerwa między zapytaniami i kilka prób przy błędach."""
    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 odpowiedział kodem %s, próba %d z 3", url, response.status_code, attempt + 1)
    raise ScraperError(f"{url} nie otworzył się po 3 próbach")

O usłudze

Przed przenosinami strony lub kontrolą SEO ten parser przechodzi przez podstrony witryny i zapisuje wiersz dla każdej z nich: adres, kod odpowiedzi, title i meta description wraz z długością, H1, liczba nagłówków H2, link canonical, tag noindex, liczba słów, obrazy bez tekstu alternatywnego i liczba linków wewnętrznych. Adresy pobiera z pliku sitemap strony, ze stron kategorii albo z Twojej własnej listy. Używaj go na swojej stronie albo na ogólnodostępnej stronie konkurenta. Prześlij adres strony, kilka podstron zapisanych z przeglądarki i potrzebne pola. Dostajesz kod w Pythonie, plik ustawień i README i uruchamiasz go na swoim komputerze. Zbiera fakty, nie naprawia strony i nie obiecuje pozycji w wyszukiwarce. Czyta tylko ogólnodostępne strony w spokojnym tempie i nigdy się nie loguje ani nie obchodzi captchy czy zabezpieczeń. To Ty oceniasz, czy regulamin strony na to pozwala; późniejsza zmiana układu wymaga aktualizacji.

Co obejmuje usługa

• Co otrzymaszArchiwum ZIP z kodem w Pythonie, plikiem ustawień i plikiem README z instrukcją krok po kroku; kod widać też na stronie zamówienia.
• Tagi i ich długośćTitle i description z liczbą znaków
• Kody odpowiedziWyłapiesz niedziałające i przekierowane podstrony
• Brakujący tekst alternatywnyLiczy obrazy bez tekstu alternatywnego
• Z sitemapy lub Twojej listyAdresy z pliku sitemap, kategorii lub przesłanego pliku
• Spokojne tempoPrzerwa między stronami ustawiana w ustawieniach

Jak to działa

1. 1
   StronaPodajesz stronę, źródło adresów i zapisane podstrony
2. 2
   ParserPiszemy kod i instrukcję uruchomienia
3. 3
   UruchomienieUruchamiasz go i sprawdzasz kilka wierszy w przeglądarce
4. 4
   ZmianyZgłaszasz poprawki w ramach pakietu i przesyłasz ewentualny komunikat o błędzie

Czego potrzebujemy od Ciebie

Adres strony i miejsce, z którego parser ma brać adresy: plik sitemap, strony kategorii albo Twoja własna lista. Mniej więcej liczba podstron. Pola, których potrzebujesz, np. adres, kod odpowiedzi, title, description, H1, canonical, noindex, liczba słów, obrazy bez alt. Dwie lub trzy podstrony różnego rodzaju zapisane z przeglądarki (Plik > Zapisz stronę jako). CSV czy Excel.

Zapytamy Cię:

• Która strona?
• Skąd brać adresy
• Potrzebne pola
• Mniej więcej ile podstron?

Porównaj pakiety

Pytania i odpowiedzi

Nie ma tu odpowiedzi? Zapytaj nas