Update seo_analyzer.py

seo_analyzer.py

@@ -32,6 +32,7 @@ logging.basicConfig(
 )
 logger = logging.getLogger(__name__)
 
+
 class SEOSpaceAnalyzer:
     def __init__(self, max_urls: int = 20, max_workers: int = 4) -> None:
         """
@@ -82,7 +83,7 @@ class SEOSpaceAnalyzer:
 
     def analyze_sitemap(self, sitemap_url: str) -> Tuple[Dict, List[str], Dict, Dict, List[Dict]]:
         """
-        Procesa el sitemap: extrae URLs, analiza cada página y devuelve datos agregados.
+        Procesa el sitemap: extrae URLs, analiza cada página individualmente y devuelve datos agregados.
         """
         try:
             urls = self._parse_sitemap(sitemap_url)
@@ -141,7 +142,7 @@ class SEOSpaceAnalyzer:
             return {'url': url, 'status': 'error', 'error': str(e)}
 
     def _process_html(self, html: str, base_url: str) -> Dict:
-        """Extrae y limpia el contenido HTML, metadatos y enlaces."""
+        """Extrae y limpia el contenido HTML, metadatos y enlaces de la página."""
         soup = BeautifulSoup(html, 'html.parser')
         clean_text = self._clean_text(soup.get_text())
         return {
@@ -183,7 +184,7 @@ class SEOSpaceAnalyzer:
         return re.sub(r'[^\w\sáéíóúñÁÉÍÓÚÑ]', ' ', text).strip()
 
     def _extract_metadata(self, soup: BeautifulSoup) -> Dict:
-        """Extrae metadatos relevantes de la página."""
+        """Extrae metadatos relevantes (título, descripción, keywords, Open Graph) de la página."""
         metadata = {'title': '', 'description': '', 'keywords': [], 'og': {}}
         if soup.title and soup.title.string:
             metadata['title'] = soup.title.string.strip()[:200]
@@ -200,7 +201,7 @@ class SEOSpaceAnalyzer:
         return metadata
 
     def _extract_links(self, soup: BeautifulSoup, base_url: str) -> List[Dict]:
-        """Extrae y clasifica los enlaces internos y externos."""
+        """Extrae enlaces de la página, distinguiendo entre internos y externos."""
         links: List[Dict] = []
         base_netloc = urlparse(base_url).netloc
         for tag in soup.find_all('a', href=True):
@@ -222,12 +223,12 @@ class SEOSpaceAnalyzer:
         return links
 
     def _get_file_type(self, path: str) -> str:
-        """Determina el tipo de archivo basado en la extensión."""
+        """Determina el tipo de archivo según la extensión."""
         ext = Path(path).suffix.lower()
         return ext[1:] if ext else 'html'
 
     def _parse_sitemap(self, sitemap_url: str) -> List[str]:
-        """Parsea un sitemap XML para extraer URLs."""
+        """Parsea un sitemap XML (y posibles índices de sitemaps) para extraer URLs."""
         try:
             response = self.session.get(sitemap_url, timeout=10)
             response.raise_for_status()
@@ -294,7 +295,7 @@ class SEOSpaceAnalyzer:
 
     def _analyze_content(self, results: List[Dict]) -> Dict:
         """
-        Analiza el contenido agregado usando TF-IDF para extraer las palabras clave principales y muestras.
+        Genera un análisis de contenido agregado usando TF-IDF para extraer las palabras clave principales y muestras.
         """
         successful = [r for r in results if r.get('status') == 'success' and r.get('content')]
         texts = [r['content'] for r in successful if len(r['content'].split()) > 10]
@@ -314,7 +315,7 @@ class SEOSpaceAnalyzer:
         return {'top_keywords': top_keywords, 'content_samples': samples}
 
     def _analyze_links(self, results: List[Dict]) -> Dict:
-        """Genera un análisis de enlaces internos y externos."""
+        """Genera un análisis de enlaces internos, dominios externos, anclas y tipos de archivos."""
         all_links = []
         for result in results:
             if result.get('links'):
@@ -330,4 +331,43 @@ class SEOSpaceAnalyzer:
         }
 
     def _generate_seo_recommendations(self, results: List[Dict]) -> List[str]:
-        """Genera recomendaciones SEO basadas en las deficiencias encontr
+        """Genera recomendaciones SEO en base a las deficiencias encontradas en el análisis."""
+        successful = [r for r in results if r.get('status') == 'success']
+        if not successful:
+            return ["No se pudo analizar ningún contenido exitosamente"]
+        recs = []
+        missing_titles = sum(1 for r in successful if not r.get('metadata', {}).get('title'))
+        if missing_titles:
+            recs.append(f"📌 Añadir títulos a {missing_titles} páginas")
+        short_descriptions = sum(1 for r in successful if not r.get('metadata', {}).get('description'))
+        if short_descriptions:
+            recs.append(f"📌 Añadir meta descripciones a {short_descriptions} páginas")
+        short_content = sum(1 for r in successful if r.get('word_count', 0) < 300)
+        if short_content:
+            recs.append(f"📝 Ampliar contenido en {short_content} páginas (menos de 300 palabras)")
+        all_links = [link for r in results for link in r.get('links', [])]
+        if all_links:
+            df_links = pd.DataFrame(all_links)
+            internal_links = df_links[df_links['type'] == 'internal']
+            if len(internal_links) > 100:
+                recs.append(f"🔗 Optimizar estructura de enlaces internos ({len(internal_links)} enlaces)")
+        return recs if recs else ["✅ No se detectaron problemas críticos de SEO"]
+
+    def plot_internal_links(self, links_data: Dict) -> Any:
+        """
+        Genera un gráfico de barras horizontales mostrando los 20 principales enlaces internos.
+        Si no existen datos, se muestra un mensaje en el gráfico.
+        """
+        internal_links = links_data.get('internal_links', {})
+        fig, ax = plt.subplots()
+        if not internal_links:
+            ax.text(0.5, 0.5, 'No hay enlaces internos', horizontalalignment='center', verticalalignment='center', transform=ax.transAxes)
+            ax.axis('off')
+        else:
+            names = list(internal_links.keys())
+            counts = list(internal_links.values())
+            ax.barh(names, counts)
+            ax.set_xlabel("Cantidad de enlaces")
+            ax.set_title("Top 20 Enlaces Internos")
+            plt.tight_layout()
+        return fig