Strona dla lokalnej firmy w jeden dzień

Stara strona firmy HVAC spod Warszawy wyglądała bogato: wideo w tle, liczniki, logotypy partnerów. W Google nie miała ani jednej frazy w pierwszej setce wyników. Strona główna ważyła 6,2 MB, a na telefonie największy element ładował się 7,8 sekundy. Strona firmy myjącej okna była skromniejsza: jedna podstrona i galeria, w której zdjęcia wklejono do HTML-a jako tekst base64. Od 17 września do dnia audytu dała 3 kliknięcia z Google.

Obie strony przebudowałem i obie zacząłem od godziny z audytem. Audyt mówi mi, co naprawić, i daje właścicielowi powód, żeby w ogóle rozmawiać o nowej stronie.

Krok 1. Plan godziny

Godzina wystarcza, jeśli trzymam się kolejności i niczego nie poprawiam w trakcie. Audyt to zdjęcie stanu, naprawy przyjdą później.

Wizytówkę Google i konkurencję robię w drugiej godzinie. To temat następnej lekcji.

Krok 2. Skrypt do pierwszych dziesięciu minut

Te rzeczy sprawdza się zawsze tak samo, więc zamknąłem je w skrypcie. Jest w samym Pythonie, bez dodatkowych bibliotek, działa od wersji 3.9.

# audyt.py - szybki audyt techniczny strony lokalnej firmy
# uzycie: python audyt.py domena.pl
import re
import sys
import urllib.request
import urllib.error
from urllib.parse import urlparse

sys.stdout.reconfigure(encoding="utf-8")
UA = {"User-Agent": "Mozilla/5.0 (audyt strony)"}


def pobierz(url):
    """Zwraca (status, adres koncowy, tresc) - podaza za przekierowaniami."""
    try:
        r = urllib.request.urlopen(urllib.request.Request(url, headers=UA), timeout=20)
        return r.status, r.geturl(), r.read()
    except urllib.error.HTTPError as e:
        return e.code, url, b""
    except Exception as e:
        return 0, url, str(e).encode()


domena = sys.argv[1].replace("https://", "").replace("http://", "").strip("/")
gola = domena.removeprefix("www.")

print("== Wersje adresu (powinny prowadzic do jednej) ==")
koncowe = set()
dzialajace = []
for wariant in (f"http://{gola}/", f"http://www.{gola}/", f"https://{gola}/", f"https://www.{gola}/"):
    status, koniec, _ = pobierz(wariant)
    koncowe.add(koniec)
    if status == 200:
        dzialajace.append(koniec)
    print(f"{wariant:40} {status}  ->  {koniec}")
print("OK, jeden adres docelowy" if len(koncowe) == 1 else f"UWAGA: {len(koncowe)} rozne adresy docelowe")

if not dzialajace:
    sys.exit("Zaden wariant adresu nie odpowiada 200")
baza = next((k for k in dzialajace if k.startswith("https")), dzialajace[0]).rstrip("/")
for plik in ("/robots.txt", "/sitemap.xml", "/index.html"):
    status, _, tresc = pobierz(baza + plik)
    print(f"{plik:14} {status}  {len(tresc)} B")

print("\n== Strona glowna ==")
status, url, surowe = pobierz(baza + "/")
html = surowe.decode("utf-8", errors="replace")
print(f"waga samego HTML: {len(surowe) / 1024:.0f} KB")


def jedno(wzor):
    m = re.search(wzor, html, re.I | re.S)
    return m.group(1).strip() if m else ""


tytul = jedno(r"<title[^>]*>(.*?)</title>")
opis = jedno(r'<meta[^>]+name=["\']description["\'][^>]+content=["\']([^"\']*)')
print(f"title ({len(tytul)} zn.): {tytul}")
print(f"description ({len(opis)} zn.): {opis[:120]}")
kanon = [t for t in re.findall(r"<link[^>]+>", html, re.I) if "canonical" in t.lower()]
print("canonical:", kanon[0] if kanon else "BRAK")
print("viewport:", "jest" if re.search(r'name=["\']viewport', html, re.I) else "BRAK")
h1 = [re.sub(r"<[^>]+>", "", h).strip() for h in re.findall(r"<h1[^>]*>(.*?)</h1>", html, re.I | re.S)]
print(f"H1 ({len(h1)}):", h1[:3])
print("telefon jako link tel:", "jest" if "tel:" in html else "BRAK")
print("dane strukturalne JSON-LD:", len(re.findall(r"application/ld\+json", html)))

b64 = re.findall(r"data:image/[a-z]+;base64,([A-Za-z0-9+/=]+)", html)
if b64:
    print(f"obrazy wklejone w HTML (base64): {len(b64)} szt., {sum(map(len, b64)) / 1024:.0f} KB")

hosty = {}
for zasob in re.findall(r'(?:src|href)=["\'](https?://[^"\']+)', html):
    h = urlparse(zasob).netloc
    if gola not in h:
        hosty[h] = hosty.get(h, 0) + 1
print("zewnetrzne hosty:", dict(sorted(hosty.items(), key=lambda x: -x[1])) or "brak")

for akcja in re.findall(r'<form[^>]+action=["\']([^"\']*)', html, re.I):
    print("formularz wysyla do:", akcja or "(ta sama strona)")

print("\n== Linki wewnetrzne (podstrony) ==")
linki = set()
for h in re.findall(r'href=["\']([^"\'#?]+)', html):
    if gola in h or not re.match(r"(https?:|mailto:|tel:|javascript:|//)", h):
        sciezka = urlparse(h).path or "/"
        if not re.search(r"\.(css|js|png|jpe?g|webp|svg|ico|woff2?)$", sciezka):
            linki.add(sciezka)
print(len(linki), "unikalnych adresow:", sorted(linki)[:15])

Uruchamiam go poleceniem python audyt.py nazwa-domeny.pl. Co pokazał na starych stronach:

• Firma HVAC: http, https, z www i bez www odpowiadały kodem 200, a /index.html był kopią strony głównej. Razem pięć wersji tej samej strony. Robots i sitemap zwracały 404.
• Tam też tytuł 88 znaków i opis 266 znaków (Google obetnie oba), a H1 „Ponad 25 lat” z nazwą firmy, czyli bez frazy, o którą ktoś pyta.
• Formularz wysyłał dane do zewnętrznej usługi z USA, z wyłączoną captchą, bez zgody i bez polityki prywatności.
• Siedem logotypów partnerów ładowało się z usługi, która przestała działać. Siedem błędów przy każdym wejściu.
• Firma myjąca okna: 133 KB samego HTML-a na stronie głównej, z czego 113 KB to dwa zdjęcia w base64.

Krok 3. Szybkość na telefonie