En este proyecto vamos a realizar una herramienta en python v.3.7.3, la cual realizará automaticamente el analisis de diferentes URLs en page speed insight.
El funcionamiento de la herramienta es el siguiente, un usuario escribe en un archivo txt las URLs que desea analizar con page speed insight. Ahora el usuario tendrá que ejecutar el python pg_speed_analize.py, el cual gracias a selenium y a un web driver irá recorriendo las diferentes URLs dentro de la web y extrayendo la información más relevante, la cual hemos progrmado previamente, una vez recogida esta informacion se conectará a un docker en el cual reside un contenedor de MongoDB, el cual ira recogiendo la información extraida por el usuario.
Para poder ver toda esta informacion extraida, en un formato amigable, hemos desarrollado una web en Django la cual se conecta al docker y desde este a la base de datos, extrallendo la información de esta y mostrandola en su template.
Necesitaremos la version de python 3.7.3
- Este es el link de descarga.
Dentro de python tendremos que tener instaladas las siguientes librerias. - Libreria de Selenium
pip install selenium - Libreria de MongoDB
pip install pymongo - Libreria de Psutil
pip install psutil - Django
pip install django
Dentro de django tendremos que instalar tambien algunas librerias, es recomendable utilizar un virtual enviroment, para poder instalarlas en una carpeta que no se encuentre Path de Python. Esto tambien depende de la instalacion que realizaras de Python. - Estas son las librerias que tendremos que tener en Django:
pip install djongo
pip install django_tables2
djangotoolbox
Para la instalación de Docker solo tendremos que descargar la imangen de mongo, luego montarla y ejecutarla estos son los comandos que tendremos que utilizar.
docker pull mongo
docker images -a
docker run -d --name mongod -p 55059:27017 mongo
docker exec -it mongod bash
La utilidad de este micro servicio es porder analizar diferentes URLs en page speed insight sin tener que estar escribiendo las paginas una a una y la proyeccion de estas en un resumen para poder compararlas mas facilmente. Podremos analizar mas 170 URLs en una hora.
Para procesar toda la información recogina por la base de datos hemos decidico realizar una pagina con el framework Django. Podriamos haber recogido la informacion en un txt o en un excel, pero gracias a Django hemos creado una pagina interactiva donde el usuario podrá ordenar los resultados para saber mas rapido que paginas necesitan una modificacion rapidamente.
