借助這份對初學(xué)者友好的指南，您可以構(gòu)建自己的自定義Python腳本來自動測量網(wǎng)站的關(guān)鍵速度和性能指標(biāo)。

　　在過去的一個(gè)月中，Google宣布了許多通過關(guān)鍵速度和性能指標(biāo)來衡量用戶體驗(yàn)的方法。

　　巧合的是，我一直在努力編寫一個(gè)Python腳本，該腳本使用Google PageSpeed Insights（PSI）API一次收集多個(gè)頁面的指標(biāo)，而無需為每個(gè)單獨(dú)的URL運(yùn)行測試。

　　收到Google的公告后，我認(rèn)為現(xiàn)在是共享它的絕佳時(shí)機(jī)，并解釋了如何創(chuàng)建對初學(xué)者友好的Python腳本。

　　關(guān)于腳本的最好的事情是，一旦建立了基礎(chǔ)，就可以提取許多不同的指標(biāo)，這些指標(biāo)可以在頁面速度測試以及Lighthouse分析中找到。

網(wǎng)絡(luò)重要指標(biāo)簡介

　　5月初，Google推出了Core Web Vitals，它是其關(guān)鍵Web Vitals指標(biāo)的一部分。

　　這些指標(biāo)用于提供有關(guān)網(wǎng)站上用戶體驗(yàn)質(zhì)量的指導(dǎo)。

　　Google將其描述為“幫助量化您的網(wǎng)站體驗(yàn)并確定改進(jìn)機(jī)會”的一種方式，進(jìn)一步強(qiáng)調(diào)了它們向關(guān)注用戶體驗(yàn)的轉(zhuǎn)變。

　　核心網(wǎng)絡(luò)生命力是真實(shí)的，以用戶為中心的指標(biāo)，用于衡量用戶體驗(yàn)的關(guān)鍵方面。加載時(shí)間，互動性和穩(wěn)定性。

　　除此之外，Google 上周宣布，他們將引入一個(gè)新的搜索排名信號，它將這些指標(biāo)與現(xiàn)有頁面體驗(yàn)信號（例如移動設(shè)備友好性和HTTPS安全性）結(jié)合在一起，以確保它們繼續(xù)為高質(zhì)量網(wǎng)站提供服務(wù)給用戶。

監(jiān)控性能指標(biāo)

　　預(yù)計(jì)此更新將于2021年推出，Google已確認(rèn)不需要立即采取行動。

　　但是，為了幫助我們?yōu)檫@些更改做準(zhǔn)備，他們更新了用于測量頁面速度的工具，包括PSI，Google Lighthouse和Google Search Console Speed Report。

Pagespeed Insights API從何入手？

　　Google的PageSpeed Insights是查看網(wǎng)頁效果摘要的有用工具，它使用現(xiàn)場數(shù)據(jù)和實(shí)驗(yàn)室數(shù)據(jù)來生成結(jié)果。

　　這是獲得少數(shù)URL概述的好方法，因?yàn)樗侵痦撌褂玫摹?/p>

　　但是，如果您在大型站點(diǎn)上工作，并且希望獲得大規(guī)模的見解，那么該API可以有利于一次分析多個(gè)頁面，而無需單獨(dú)插入U(xiǎn)RL。

用于衡量性能的Python腳本

　　我創(chuàng)建了以下Python腳本來大規(guī)模度量關(guān)鍵性能指標(biāo)，以節(jié)省手動測試每個(gè)URL所花費(fèi)的時(shí)間。

　　該腳本使用Python將請求發(fā)送到Google PSI API，以收集和提取在PSI和Lighthouse中顯示的指標(biāo)。

　　我決定在Google Colab中編寫此腳本，因?yàn)檫@是開始編寫Python并允許輕松共享的好方法，因此本文將使用Google Colab貫穿整個(gè)安裝過程。

　　但是，它也可以在本地運(yùn)行，對數(shù)據(jù)的上傳和下載進(jìn)行一些調(diào)整。

　　請務(wù)必注意，某些步驟可能需要一些時(shí)間才能完成，尤其是當(dāng)每個(gè)URL通過API運(yùn)行時(shí)，為了不使請求過載。

　　因此，您可以在后臺運(yùn)行腳本，并在完成步驟后返回到腳本。

　　讓我們逐步介紹啟動和運(yùn)行此腳本所需的步驟。

步驟1：安裝所需的軟件包

　　在開始編寫任何代碼之前，我們需要安裝一些Python程序包，然后才能使用該腳本。這些使用導(dǎo)入功能很容易安裝。

我們需要的軟件包是：

urllib：用于處理，打開，閱讀和解析URL。json：允許您將JSON文件轉(zhuǎn)換為Python或?qū)ython文件轉(zhuǎn)換為JSON。request：一個(gè)HTTP庫，用于發(fā)送各種HTTP請求。pandas：主要用于數(shù)據(jù)分析和處理，我們正在使用它來創(chuàng)建DataFrames。time：一個(gè)用于處理時(shí)間的模塊，我們正在使用它在請求之間提供時(shí)間間隔。文件：通過Google Colab，您可以上傳和下載文件。io：用于訪問文件的默認(rèn)接口。# Import required packages import jsonimport requestsimport pandas as pdimport urllibimport timefrom google.colab import filesimport io 第2步：設(shè)置API請求

　　下一步是設(shè)置API請求。完整的說明可以在這里找到，但是從本質(zhì)上講，該命令將如下所示：

https://xintu.googleapis.com/pagespeedonline/v5/runPagespeed?url={yourURL}/&strategy=mobile/&key={yourAPIKey}

　　這將允許您附加URL，策略（臺式機(jī)或移動設(shè)備）和API密鑰。

　　要在Python中使用它，我們將使用urllib請求庫urllib.request.urlopen并將其添加到名為result的變量中，以便我們可以存儲結(jié)果并在腳本中再次使用它們。

# Define URL url = 'https://xintu.example.co.uk'# API request urlresult = urllib.request.urlopen('https://xintu.googleapis.com/pagespeedonline/v5/runPagespeed?url={}/&strategy=mobile'\.format(url)).read().decode('UTF-8')print(result)步驟3：測試API

　　為了測試API的正確設(shè)置以及對測試過程中生成的內(nèi)容的理解，我使用簡單的urllib.request方法通過API運(yùn)行了一個(gè)URL。

　　完成此操作后，我將結(jié)果轉(zhuǎn)換為json文件并下載了它，以便查看結(jié)果。

# Convert to json formatresult_json = json.loads(result)print(result_json)with open('result.json', 'w') as outfile: json.dump(result_json, outfile)files.download('result.json')

（請注意，此方法用于在Google Colab中轉(zhuǎn)換和下載JSON文件。）

步驟4：讀取JSON檔案

　　JSON文件顯示字段數(shù)據(jù)（存儲在loadingExperience下）和實(shí)驗(yàn)室數(shù)據(jù)（可以在lighthouseResult下找到）。

　　為了提取所需的指標(biāo)，我們可以利用JSON文件的格式，因?yàn)槲覀兡軌蚩吹矫總€(gè)部分下面的指標(biāo)。

第5步：上傳CSV并存儲為Pandas數(shù)據(jù)框

　　下一步是上傳我們要通過PSI API運(yùn)行的URL的CSV文件。您可以通過抓取工具（例如DeepCrawl）生成站點(diǎn)URL的列表。

　　當(dāng)我們使用API??時(shí)，建議您在此處使用較小的URL示例集，尤其是在您擁有大型站點(diǎn)的情況下。

　　例如，您可以使用訪問量最高的頁面或產(chǎn)生最大收入的頁面。另外，如果您的站點(diǎn)有模板，則非常適合測試其中的模板。

　　您還可以在此處添加column-header變量，我們將在遍歷列表時(shí)使用該變量。確保此名稱與您上傳的CSV文件中的列標(biāo)題名稱匹配：

uploaded = files.upload()#if your column header is something other than 'url' please define it here column_header='url'

（請注意，此方法用于在Google Colab中上傳CSV文件。）

　　將其上傳后，我們將使用Pandas庫將CSV轉(zhuǎn)換為DataFrame，我們可以在以下步驟中進(jìn)行迭代。

# Get the filename from the upload so we can read it into a CSV.for key in uploaded.keys(): filename = key# Read the selected file into a Pandas Dataframedf = pd.read_csv(io.BytesIO(uploaded[filename]))df.head()

　　DataFrame看起來像這樣，從零索引開始。

步驟6：將結(jié)果保存到響應(yīng)對象

　　下一步涉及使用for循環(huán)來迭代剛剛通過PSI API創(chuàng)建的URL的DataFrame。

　　for循環(huán)使我們可以遍歷上載的列表并為每個(gè)項(xiàng)目執(zhí)行命令。然后，我們可以將結(jié)果保存到響應(yīng)對象中，并將其轉(zhuǎn)換為JSON文件。

response_object = {}# Iterate through the dffor x in range(0, len(df)): # Define request parameter url = df.iloc[x][column_header] # Make request pagespeed_results = urllib.request.urlopen('https://xintu.googleapis.com/pagespeedonline/v5/runPagespeed?url={}&strategy=mobile'.format(url)).read().decode('UTF-8') # Convert to json format pagespeed_results_json = json.loads(pagespeed_results) # Insert returned json response into response_object response_object[url] = pagespeed_results_json time.sleep(30) print(response_object[url])

　　我們將在此處使用范圍內(nèi)的x，它表示循環(huán)中正在運(yùn)行的URL，以及（0，len）允許循環(huán)遍歷DataFrame中的所有URL，無論包含多少個(gè)URL 。

　　該響應(yīng)對象防止通過重寫相互循環(huán)，你的網(wǎng)址，使我們能夠保存數(shù)據(jù)以備將來使用。

　　這也是在將其轉(zhuǎn)換為JSON文件之前，將使用列標(biāo)題變量定義URL請求參數(shù)的地方。

　　我還將此處的睡眠時(shí)間設(shè)置為30秒，以減少連續(xù)進(jìn)行的API調(diào)用次數(shù)。

　　另外，如果您希望更快地提出請求，則可以在URL命令的末尾附加一個(gè)API密鑰。

　　縮進(jìn)在這里也很重要，因?yàn)槊總€(gè)步驟都是for循環(huán)的一部分，因此必須在命令中縮進(jìn)它們。

步驟7：創(chuàng)建一個(gè)數(shù)據(jù)框來存儲響應(yīng)

　　我們還需要創(chuàng)建一個(gè)DataFrame來存儲我們要從響應(yīng)對象中提取的指標(biāo)。

　　DataFrame是類似于表的數(shù)據(jù)結(jié)構(gòu)，具有存儲數(shù)據(jù)的列和行。我們只需要為每個(gè)指標(biāo)添加一列并適當(dāng)?shù)孛缦滤荆?/p># Create dataframe to store responsesdf_pagespeed_results = pd.DataFrame(columns= ['url', 'Overall_Category', 'Largest_Contentful_Paint', 'First_Input_Delay', 'Cumulative_Layout_Shift', 'First_Contentful_Paint', 'Time_to_Interactive', 'Total_Blocking_Time', 'Speed_Index']) print(df_pagespeed_results)

　　出于此腳本的目的，我使用了Core Web Vital指標(biāo)以及當(dāng)前Lighthouse版本中使用的其他負(fù)載和交互性指標(biāo)。

　　這些指標(biāo)各自具有不同的權(quán)重，然后將它們用于總體績效得分：

LCPFIDCLSFCPTTITBT

　　您可以在上方鏈接的各個(gè)目標(biāo)網(wǎng)頁上找到有關(guān)每個(gè)指標(biāo)的更多信息以及如何解釋分?jǐn)?shù)的信息。

　　我還選擇包括速度指數(shù)和整體類別，這些類別將提供慢速，平均或快速得分。

步驟8：從響應(yīng)對象中提取指標(biāo)

　　保存響應(yīng)對象后，我們現(xiàn)在可以對其進(jìn)行過濾并僅提取所需的指標(biāo)。

　　在這里，我們將再次使用for循環(huán)遍歷響應(yīng)對象文件，并設(shè)置一系列列表索引以僅返回特定指標(biāo)。

　　為此，我們將從DataFrame中定義列名稱，以及為每個(gè)URL從中提取每個(gè)指標(biāo)的響應(yīng)對象的特定類別。

for (url, x) in zip( response_object.keys(), range(0, len(response_object))): # URLs df_pagespeed_results.loc[x, 'url'] =\ response_object[url]['lighthouseResult']['finalUrl'] # Overall Category df_pagespeed_results.loc[x, 'Overall_Category'] =\ response_object[url]['loadingExperience']['overall_category'] # Core Web Vitals # Largest Contentful Paint df_pagespeed_results.loc[x, 'Largest_Contentful_Paint'] =\ response_object[url]['lighthouseResult']['audits']['largest-contentful-paint']['displayValue'] # First Input Delay fid = response_object[url]['loadingExperience']['metrics']['FIRST_INPUT_DELAY_MS'] df_pagespeed_results.loc[x, 'First_Input_Delay'] = fid['percentile'] # Cumulative Layout Shift df_pagespeed_results.loc[x, 'Cumulative_Layout_Shift'] =\ response_object[url]['lighthouseResult']['audits']['cumulative-layout-shift']['displayValue'] # Additional Loading Metrics # First Contentful Paint df_pagespeed_results.loc[x, 'First_Contentful_Paint'] =\ response_object[url]['lighthouseResult']['audits']['first-contentful-paint']['displayValue'] # Additional Interactivity Metrics # Time to Interactive df_pagespeed_results.loc[x, 'Time_to_Interactive'] =\ response_object[url]['lighthouseResult']['audits']['interactive']['displayValue'] # Total Blocking Time df_pagespeed_results.loc[x, 'Total_Blocking_Time'] =\ response_object[url]['lighthouseResult']['audits']['total-blocking-time']['displayValue'] # Speed Index df_pagespeed_results.loc[x, 'Speed_Index'] =\ response_object[url]['lighthouseResult']['audits']['speed-index']['displayValue']

　　我已將此腳本設(shè)置為提取上面提到的關(guān)鍵指標(biāo)，因此您可以立即使用它來收集此數(shù)據(jù)。

　　但是，可以提取在PSI測試以及Lighthouse分析中都可以找到的許多其他有用指標(biāo)。

　　在此JSON文件可用于查看每個(gè)指標(biāo)在列表中的位置。

　　例如，在從Lighthouse審核中提取指標(biāo)（例如“互動時(shí)間”的顯示值）時(shí)，將使用以下內(nèi)容：

df_pagespeed_results.loc[x, 'Time_to_Interactive'] =\response_object[url]['lighthouseResult']['audits']['interactive']['displayValue']

　　再一次，重要的是要確保每一個(gè)都位于循環(huán)中，否則它們將不會包含在迭代中，并且只會為一個(gè)URL生成一個(gè)結(jié)果。

步驟9：將DataFrame轉(zhuǎn)換為CSV文件

　　最后一步是創(chuàng)建一個(gè)摘要文件以收集所有結(jié)果，因此我們可以將其轉(zhuǎn)換為易于分析的格式，例如CSV文件。

summary = df_pagespeed_resultsdf_pagespeed_results.head()#Download csv file summary.to_csv('pagespeed_results.csv')files.download('pagespeed_results.csv')

（請注意，此方法用于在Google Colab中轉(zhuǎn)換和下載CSV文件。）

進(jìn)一步探索數(shù)據(jù)

　　目前，我們導(dǎo)出的所有指標(biāo)都存儲為字符串，這是用于文本和字符的Python數(shù)據(jù)類型。

　　由于我們提取的某些指標(biāo)實(shí)際上是數(shù)字值，因此您可能希望將字符串轉(zhuǎn)換為數(shù)字?jǐn)?shù)據(jù)類型，例如整數(shù)和浮點(diǎn)數(shù)。

　　整數(shù)，也稱為int，是整數(shù)的數(shù)據(jù)類型，例如1和10。

　　浮點(diǎn)數(shù)，也稱為浮點(diǎn)數(shù)，是十進(jìn)制點(diǎn)數(shù)，例如1.0和10.1。

　　為了將字符串轉(zhuǎn)換為數(shù)字，我們需要執(zhí)行兩個(gè)步驟，第一步是將's'字符（用于表示秒）替換為空格。

　　我們通過在每列上使用.str.replace方法來執(zhí)行此操作。

#Replace the 's' with a blank space so we can turn into numbersdf_pagespeed_results['Largest_Contentful_Paint'] = df_pagespeed_results.Largest_Contentful_Paint.str.replace('s', '')df_pagespeed_results['First_Contentful_Paint'] = df_pagespeed_results.First_Contentful_Paint.str.replace('s', '')df_pagespeed_results['Time_to_Interactive'] = df_pagespeed_results.Time_to_Interactive.str.replace('s', '')df_pagespeed_results['Total_Blocking_Time'] = df_pagespeed_results.Total_Blocking_Time.str.replace('ms', '')df_pagespeed_results['Speed_Index'] = df_pagespeed_results.Speed_Index.str.replace('s', '')

　　然后，我們將使用.astype（）方法將字符串轉(zhuǎn)換為整數(shù)或浮點(diǎn)數(shù)：

#Turn strings into intergers or floatsdf_pagespeed_results['Largest_Contentful_Paint'] = df_pagespeed_results.Largest_Contentful_Paint.astype(float)df_pagespeed_results['Cumulative_Layout_Shift'] = df_pagespeed_results.Cumulative_Layout_Shift.astype(int)df_pagespeed_results['First_Contentful_Paint'] = df_pagespeed_results.First_Contentful_Paint.astype(float)df_pagespeed_results['Time_to_Interactive'] = df_pagespeed_results.Time_to_Interactive.astype(float)df_pagespeed_results['Speed_Index'] = df_pagespeed_results.Speed_Index.astype(float)

　　完成此操作后，您可以使用多種不同的方法進(jìn)一步評估數(shù)據(jù)。

　　例如，您可以使用數(shù)據(jù)可視化庫（例如matplotlib或seaborn）來可視化指標(biāo)，以及測量指標(biāo)如何隨時(shí)間變化并將結(jié)果分組為慢速，中速和快速存儲桶。

　　由于我們已經(jīng)介紹了很多內(nèi)容，因此我不會在本文中介紹這些內(nèi)容，但是如果您想了解更多信息，請隨時(shí)與我們聯(lián)系。

結(jié)論

　　該腳本最終幫助我測量了一組URL的關(guān)鍵頁面速度和性能指標(biāo)，并可視化了結(jié)果以識別需要改進(jìn)的頁面。

　　它還允許您隨時(shí)間監(jiān)視結(jié)果并量化已進(jìn)行的改進(jìn)。

　　我還創(chuàng)建了一個(gè)腳本來專門測量三個(gè)核心Web Vitals的百分比和類別。

　　我希望這對希望自動化其性能測試并進(jìn)一步探索PSI API的人有所幫助。

　　請隨時(shí)保存此Colab文件的副本，并使用它來幫助測量和監(jiān)視您的頁面速度，或者按照自己的步驟進(jìn)行操作。您可以在此處訪問我在本文中分享的所有代碼段。