谷歌seo指南_使用PageSpeed Insights API和Python进行批量加载性能测试

谷歌提供PageSpeed Insights API，通过将真实数据与模拟数据混合，提供与网页相关的加载性能计时数据，帮助搜索引擎优化专家和开发人员。

谷歌优化

Google PageSpeed Insights（PSI）和Lighthouse的区别在于，PSI涉及真实世界和实验室数据，而Lighthouse通过修改设备的连接和用户代理来执行页面加载模拟。

另一个不同点是，PSI不提供任何与web可访问性、SEO或渐进式web应用程序（PWA）相关的信息，而Lighthouse提供上述所有信息。

因此，当我们使用PageSpeed Insights API进行批量URL加载性能测试时，我们将没有任何可访问性数据。

然而，PSI提供了与页面速度性能相关的更多信息，如“DOM大小”、“最深DOM子元素”、“总任务计数”和“DOM内容加载”时间。

PageSpeed Insights API的另一个优势是，它为“观察指标”和“实际指标”提供了不同的名称。

在本指南中，您将了解：

• 如何创建生产级Python脚本。
• 如何在Python中使用API。
• 如何从API响应构造数据帧。
• 如何分析API响应。
• 如何解析URL和处理URL请求的响应。
• 如何以适当的结构存储API响应。

下面是使用Python的页面速度洞察API调用的示例输出。

作者截图，2022年6月

锂
在Python中使用PageSpeed Insights API的库

下面是在Python中使用PSI API的必要库。

• 广告工具从网站的站点地图检索测试URL。
• Pandas将构建数据框架并将API的JSON输出平坦化。
• 请求是向特定API端点发出请求。
• JSON将获取API响应并将其放入特定相关的字典点。
• Datetime用于使用当前日期修改特定输出文件的名称。
• URLlib用于解析测试主题网站URL。

如何在Python中使用PSI API？

要在Python中使用PSI API，请执行以下步骤。

• 获取PageSpeed Insights API密钥。
• 导入必要的库。
• 解析测试主题网站的URL。
• 将当前日期作为文件名。
• 从站点地图将URL放入列表中。
• 从PSI API中选择所需的度量。
• 创建一个For循环，用于获取所有URL的API响应。
• 使用选定的PSI API度量构建数据帧。
• 以XLSX的形式输出结果。

1.获取PageSpeed Insights API密钥

使用PageSpeed Insights API文档获取API密钥。

单击下面的“获取密钥”按钮。

这张图片来自developers.google。com，2022年6月

选择您在Google开发者控制台中创建的项目。

这张图片来自developers.google。com，2022年6月

在该特定项目上启用PageSpeed Insights API。

这张图片来自developers.google。com，2022年6月

您需要在API请求中使用特定的API密钥。

2.导入必要的库

使用下面的行导入基本库。

进口
广告工具作为adv
进口熊猫作为pd
进口请求
导入json
从日期时间导入日期时间
来自urllib。解析导入urlparse

3.解析测试主题网站的URL

要解析主题网站的URL，请使用下面的代码结构。

domain=urlparse（sitemap_url）
domain=domain.netloc.split（“.”）[1]

“域”变量是站点地图URL的解析版本。

“netloc”表示特定URL的域部分。当我们用“.”分割它时，它会取代表域名的“中间部分”。

这里，“0”表示“www”，“1”表示“域名”，“2”表示“域扩展”，如果我们将其拆分为“.”

4.以文件名的时间为

要获取特定函数调用时刻的日期，请使用“datetime.now”方法。

日期时间。现在提供特定时刻的特定时间。将“strftime”与“%Y”、“m”和“%d”值一起使用。“%Y”是一年。“%m”和“%d”是特定月份和日期的数值。

date=datetime.now（）.strftime（“%Y_%m_%d”）

5.从站点地图将URL放入列表

要将URL从站点地图文件转换为列表形式，请使用下面的代码块。

站点地图=adv.sitemap_to_df（站点地图_url）
sitemap_url=sitemap[“loc”].to_list（）

如果您阅读了Python站点地图健康审计，您可以了解有关站点地图的更多信息。

6.从PSI API中选择您想要的指标

要选择PSIAPI响应JSON属性，您应该看到JSON文件本身。

它与JSON对象的读取、解析和扁平化高度相关。

它甚至与语义搜索引擎优化有关，因为
“有向图”和“JSON-LD”结构化数据的概念。

在本文中，我们将不重点研究特定PSIAPI响应的JSON层次结构。

您可以看到我选择从PSI API收集的指标。它比PSI API的基本默认输出更丰富，PSI API只提供核心Web重要指标，即下一个绘制的速度索引交互、第一个字节的时间和第一个有内容的绘制。

当然，它还通过“避免链接关键请求”给出“建议”，但不需要将句子放入数据帧中。

将来，这些建议，甚至每个单独的链事件，其KB和MS值都可以被纳入一个名为“psi_suggestions”的列中

首先，您可以检查我选择的指标，其中重要的一部分将首先为您提供。

PSI API指标，第一节如下。

fid=[]
lcp=[]
cls_=[]
url=[]
fcp=[]
performance_score=[]
total_tasks=[]
total_tasks_time=[]
long_tasks=[]
dom_size=[]
最大_dom_depth=[]
maximum_child_element=[]
observed_fcp=[]
observed_fid=[]
observed_lcp=[]
observed_cls=[]
observed_fp=[]
observed_fmp=[]
observed_dom_content_loaded=[]
观测速度指数＝〔〕
observed_total_blocking_time=[]
observed_first_visual_change=[]
observed_last_visual_change=[]
observed_tti=[]
观测值_max_potential_fid=[]

本节包括所有观察和模拟的基本页面速度指标，以及一些非基本指标，如“加载的DOM内容”，或
“第一幅有意义的画。”

PSI度量的第二部分关注未使用代码量可能节省的字节和时间。

render_blocking_resources_ms_save=[]
unused_javascript_ms_save=[]
unused_javascript_byte_save=[]
unused_css_rules_ms_save=[]
unused_css_rules_bytes_save=[]

PSI指标的第三部分重点关注服务器响应时间、响应图像使用效益，以及使用危害。

可能_server_response_time_saving=[]
可能_responsive_image_ms_save=[]

注：整体绩效分数来自“绩效分数”

7.创建一个For循环，用于获取所有URL的API响应

for循环是从站点地图文件中获取所有URL，并对所有URL逐一使用PSI API。PSI API自动化的for循环有几个部分。

PSI API for循环的第一部分从防止重复URL开始。

在站点地图中，您可以看到出现多次的URL。本节防止了这种情况。

对于sitemap_url[:9]中的i：
#防止重复“\/”尾斜杠URL请求覆盖信息。
如果i.endswith（“\/”）：
r=请求。获取（f）https:\/\/www.googleapis.com\/pagespeedonline\/v5\/runPagespeed?url={i} &strategy=mobile&locale=en&key={api_key}）
否则：
r=请求。获取（f）https:\/\/www.googleapis.com\/pagespeedonline\/v5\/runPagespeed?url={i} \/&strategy=mobile&locale=en&key={api_key}）

记住检查PageSpeed Insights api端点末尾的“api_key”。

检查状态代码。在站点地图中，可能有非200个状态代码URL；这些应该是cl
伊尼德。

如果r.status_code==200：
#打印（r.json（））
data_=json.load（r.text）
url.append（i）

下一节将特定度量附加到我们在“_data”之前创建的特定字典

fcp.append（数据_[“加载体验”][“度量”][”第一个_CONTENTFUL_PAINT_MS“][”百分位“]））
fid.append（数据_[“加载体验”][“度量”][“FIRST_INPUT_DELAY_MS”]][“百分位”]）
lcp.append（数据_[“加载体验”][“度量”]、[“最大_CONTENTFUL_PAINT_MS”]、[“百分位”]）
cls_.追加（数据_[“加载体验”][“度量”][““累积_布局_SHIFT_SCORE”]][“百分位数”]）
performance_score。附加（数据_[“lighthouseResult”][“类别”]、[“性能”]、[“分数”]*100）

下一节重点讨论“总任务”计数和DOM大小。

total_tasks.append（数据_[“lighthouseResult”][“审计”][“诊断”][“详细信息”][“项目”][0][“numTasks”]）
total_tasks_time.append（数据_[“lighthouseResult”][“审计”]、[“诊断”]、[“详细信息”]、[项目”]、[0]、[totalTaskTime]）
long_tasks。附加（数据_[“lighthouseResult”][“审计”][“诊断”][“详细信息”][“项目”][0][“numTasksOver50ms”]）
dom_size.append（数据_[“lighthouseResult”][“审计”][“dom size”]][“详细信息”][“项目”][0][“值”]）

下一节将使用“DOM深度”和“最深DOM元素”

maximum_dom_depth.append（数据_[“lighthouseResult”][“审计”]、[“dom大小”]、[details”]、[“items”][1]、[value]）
maximum_child_element.append（数据_[“lighthouseResult”][“审计”]、[“dom大小”]、[“详细信息”]、[项目”]、[2][“值”]）

下一节将在我们的PageSpeedInsightsAPI中查看具体的测试结果。

observed_dom_content_loaded。附加（数据_[“lighthouseResult”][“审计”][“度量”][“详细信息”][“项目”][0][“observedDomContentLoaded”]）
observed_fid.append（数据_[“lighthouseResult”][“审计”][“度量”][”det
ails“][“项目”][0][“observedDomContentLoaded”]）
observed_ lcp。附加（数据_[“lighthouseResult”][“审计”]、[“度量”]、[“详细信息”]、[项目”]、[0]、[largestContentfulPaint]）
observed_fcp。附加（数据_[“lighthouseResult”][“审核”][““度量”]][“详细信息”]][“项目”][0][“firstContentfulPaint”]））
observed_ cls。附加（数据_[“lighthouseResult”][“审计”][““度量”]][“详细信息”]][“项目”][0][“totalCumulativeLayoutShift”]）
observed_speed_index.append（数据_[“lighthouseResult”][“审核”]、[“度量”]、[“详细信息”]、[项目”]、[0]、[“observedSpeedIndex”]）
observed_total_blocking_time.追加（数据_[“lighthouseResult”][“审核”][“度量”][““详细信息”][”项目][0][“totalBlockingTime”]）
observed_fp.append（数据_[“lighthouseResult”][“审计”][“度量”]、[“细节”]、[“项目”]、[0]、[“observedFirstPaint”]）
observed_fmp。附加（数据_[“lighthouseResult”][“审计”]、[“度量”]、[“详细信息”]、[项目”]、[0][“firstMeaningfulPaint”]）
观察到的_first_visual_change。附加（数据_[“lighthouseResult”][“审计”]、[“度量”]、[详细信息”]、[“项目”]、[0]、[“observedFirstVisualChange”]）
observed_last_visual_change。附加（数据_[“lighthouseResult”][“审计”]、[“度量”]、[详细信息”]、[“项目”]、[0]、[“observedLastVisualChange”]）
observed_tti.append（数据_[“lighthouseResult”][“审计”][“度量”][“详细信息”]、[“项目”]、[0]、[interactive”]）
observed_max_potential_fid.append（数据_[“lighthouseResult”][“审计”]、[“度量”]、[details”]、[“项目”][0]、[maxPotentialFID”]）

下一节将使用未使用的代码量和浪费的字节（以毫秒为单位）以及渲染阻塞资源。

render_blocking_resources_ms_save。附加（数据_[“lighthouseResult”][“审核”]、[“渲染阻塞资源”]、[“详细信息”]、[overallSavingsMs]）
unused_javascript_ms_save.append（数据_[“lighthouseResult”][“审计”]、[“未使用的javascript”]、[“详细信息”]、[overallSavingsMs]）
未使用的_javascript_byte_sa
ve.append（数据_[“lighthouseResult”][“审计”]、[“未使用的javascript”]、[“详细信息”]、[overallSavingsBytes]）
未使用的_css_rules_ms_save.append（数据_[“lighthouseResult”][“审核”]、[“未使用的css规则”]、[“详细信息”]、[overallSavingsMs]）
unused_css_rules_bytes_save.append（数据_[“lighthouseResult”][“审计”]、[“未使用的css规则”]、[“详细信息”]、[overallSavingsBytes]）

下一节将提供响应性图像优势和服务器响应时间。

可能_server_response_time_saving。附加（数据_[“lighthouseResult”][“审核”]、[“服务器响应时间”]、[“详细信息”]、[overallSavingsMs]）
可能_responsive_image_ms_save。附加（数据_[“lighthouseResult”][“审核”]、[“使用响应图像”]、[“详细信息”]、[overallSavingsMs]）

下一节是在出现错误时使函数继续工作。

否则：
持续

页面速度洞察API与Python一起用于批量测试的示例

要使用特定的代码块，请将它们放入Python函数中。

运行脚本，您将在下面的列中获得29个页面速度相关指标。

作者截图，2022年6月

结论

PageSpeed Insights API提供了不同类型的页面加载性能指标。

它演示了谷歌工程师如何理解页面加载性能的概念，并可能将这些指标用作排名、用户体验和质量理解的角度。

使用Python进行批量页面速度测试可以为您提供整个网站的快照，以帮助分析可能的用户体验、爬网效率、转换率和排名改进。