-
-
Save me-suzy/91e0425ec01de9e0d13957d96744ecf6 to your computer and use it in GitHub Desktop.
Verifica daca am dubluri in tagul <title> sau <description>
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
import os | |
import re | |
from collections import defaultdict | |
# Calea către directorul cu fișierele HTML | |
directory_path = r'e:\Carte\BB\17 - Site Leadership\Principal\ro' | |
# Dicționare pentru a ține evidența titlurilor și descrierilor și fișierelor corespunzătoare | |
titles_dict = defaultdict(list) | |
descriptions_dict = defaultdict(list) | |
# Parcurgem fiecare fișier în directorul specificat | |
for filename in os.listdir(directory_path): | |
if filename.endswith(".html"): # Verificăm dacă fișierul este un HTML | |
filepath = os.path.join(directory_path, filename) | |
print(f"Procesez fișierul: {filename}") # Afișăm fișierul curent procesat | |
try: | |
with open(filepath, 'r', encoding='utf-8', errors='replace') as file: | |
content = file.read() | |
# Căutăm titlul în conținutul fișierului | |
title_match = re.search(r'<title>(.*?)</title>', content) | |
if title_match: | |
title = title_match.group(1) | |
titles_dict[title].append(filename) | |
# Căutăm descrierea în conținutul fișierului | |
description_match = re.search(r'<meta name="description" content="(.*?)">', content) | |
if description_match: | |
description = description_match.group(1) | |
descriptions_dict[description].append(filename) | |
except UnicodeDecodeError: | |
print(f"Nu am putut decoda fișierul {filename} folosind UTF-8, chiar și cu errors='replace'.") | |
# Verificăm dacă există titluri duplicate în mai multe fișiere | |
print("Dubluri pentru titluri:") | |
for title, files in titles_dict.items(): | |
if len(files) > 1: | |
print(f"Titlul '{title}' apare în următoarele fișiere:") | |
for index, file in enumerate(files, start=1): | |
print(f"{index}. {file}") | |
print("\nDubluri pentru descrieri:") | |
# Verificăm dacă există descrieri duplicate în mai multe fișiere | |
for description, files in descriptions_dict.items(): | |
if len(files) > 1: | |
print(f"\nDescrierea '{description}' apare în următoarele fișiere:") | |
for index, file in enumerate(files, start=1): | |
print(f"{index}. {file}") |
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment