app.py

import gradio as gr
import requests
from bs4 import BeautifulSoup
import re
from urllib.parse import urlparse

def buscar_google(query, dominio, hl='es', num_results=100):
    all_results = []
    posiciones_dominio = []
    posiciones_dominio_exacto = []
    url_objetivo = dominio
    dominio_objetivo = urlparse(url_objetivo).netloc

    table_html = "<summary>Ver Resultados</summary><table border='1'><tr><th>Posición</th><th>Título</th><th>URL</th></tr>"

    estilo = "color: #ed4b4b;"

    for start in range(0, num_results, 10):
        url = f"https://www.google.com/search?q={query}&hl={hl}&start={start}"
        headers = {
            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.3"
        }
        response = requests.get(url, headers=headers)
        soup = BeautifulSoup(response.text, 'html.parser')
        search_results = soup.find_all('div', attrs={'class': 'tF2Cxc'})
        all_results.extend(search_results)

    for i, result in enumerate(all_results[:num_results]):
        header = result.find('h3')
        header = header.text if header else "Sin título"
        link = result.find('a', href=True)['href']
        link_clean = re.search("(?P<url>https?://[^\s]+)", link).group("url")
        dominio_resultado = urlparse(link_clean).netloc

        estilo_dominio = ""
        if dominio_objetivo in dominio_resultado:
            posiciones_dominio.append(i + 1)
            if link_clean == url_objetivo:
                posiciones_dominio_exacto.append(i + 1)
                estilo_dominio = estilo
            else:
                estilo_dominio = estilo  # Marcar en rojo las URLs del mismo dominio

        table_html += f"<tr><td>{i+1}</td><td>{header}</td><td><span><a href='{link_clean}' title='{link_clean}' style='{estilo_dominio}'>{link_clean}</a></span></td></tr>"

    table_html += "</table>"

    # Construcción del mensaje y la tabla HTML
    mensaje = ""
    emoji = ""
    if posiciones_dominio:
        first_position = posiciones_dominio[0]
        if first_position == 1:
            emoji = f"{posiciones_dominio} 🥇"
        elif first_position <= 3:
            emoji = f"{posiciones_dominio} 😎"
        elif first_position <= 5:
            emoji = f"{posiciones_dominio} 😆"
        elif first_position <= 10:
            emoji = f"{posiciones_dominio} 🙂"
        elif first_position <= 100:
            emoji = f"{posiciones_dominio} 😐"
    else:
        emoji = f"No está en el top 100 😭"

    if len(posiciones_dominio) > 1 and 1 in posiciones_dominio:
        mensaje = f"Parasitación SEO: {url_objetivo} se encuentra en las posiciones {posiciones_dominio}"
    elif len(posiciones_dominio) > 1:
        mensaje = f"Canibalización: {url_objetivo} se encuentra en las posiciones {posiciones_dominio}"
    elif len(posiciones_dominio) == 1 and len(posiciones_dominio_exacto) == 0:
        mensaje = f"Canibalización: URL diferente del dominio en la posición {posiciones_dominio[0]}"
    elif len(posiciones_dominio) == 1:
        mensaje = f"Sin canibalización: {url_objetivo} se encuentra en la posición {posiciones_dominio[0]}"
    else:
        mensaje = f"{url_objetivo} no se encuentra en el top 100"

    mensaje_completo = f"Posición: {emoji}<br>{mensaje}"
    html_output = f"<div><b>{mensaje_completo}</b></div>"
    html_output += "<details style='padding: 10px; background: #f3f3f3; border: solid 0; border-radius: 8px; margin-top: 10px;'>"
    html_output += table_html
    html_output += "</details>"

    return html_output

def canibalizacion_interface(url, keyword):
    # Comprobar si la URL cumple con el patrón http o https
    if not re.match(r'^https?://', url):
        return "<p>Error: Introduce una URL con el protocolo http o https.</p>"

    return buscar_google(keyword, url)

iface = gr.Interface(
    fn=canibalizacion_interface,
    inputs=["text", "text"],
    outputs="html",
    title="<div style='margin:0 auto;text-align:center'><div style='margin:0 auto;text-align:center'><img style='width:100px;display: inline-table;margin-bottom:-10px' src='https://artxeweb.com/media/files/canibal.jpg'><p>Canibal SEO</p></div>",
    description="<p style='margin-bottom:10px;text-align:center;background: #ffffff; padding: 8px; border-radius: 8px; border-width: 1px; border: solid 1px #e5e7eb;'>Encuentra posibles canibalizaciones y parasitaciones en Google a partir de una URL y una palabra clave.</p>",
    article="<div style='margin-top:10px'><p style='text-align: center !important; background: #ffffff; padding: 5px 30px; border-radius: 8px; border-width: 1px; border: solid 1px #e5e7eb; width: fit-content; margin: auto;'>Desarrollada por <a style='text-decoration: none !important; color: #e12a31 !important;' href='https://artxeweb.com/'>© Artxe Web</a></p></div>"
)

iface.launch()