دقیقاً چه کاری باید انجام شود؟
من قصد دارم یک نرم‌افزار دسکتاپ ویندوزی بسازم که قدرت واقعی محتوای سایت‌های ناشر رپورتاژ را بررسی کند.
کاربر لیستی از سایت‌ها (مثلاً ۳۰ سایت) وارد می‌کند.
نرم‌افزار باید مقالات منتشرشده هر سایت را در یک بازه زمانی قابل تنظیم پیدا کند و در مراحل بعد بررسی کند که این مقالات در گوگل چه رتبه‌ای گرفته‌اند.
هدف اصلی: نمایش رتبه واقعی مقاله در نتایج گوگل (SERP)، نه امتیاز مصنوعی.
تکنولوژی پیشنهادی:
- Python
- PyQt6 برای رابط کاربری دسکتاپ
- Playwright برای کار با Chrome واقعی
- معماری ماژولار و قابل توسعه
امکانات ورودی:
- ورود چند سایت به صورت خطی (هر سایت در یک خط)
- انتخاب بازه زمانی انتشار مقاله: مثال: ۷ روز، ۱۴ روز، ۳۰ روز اخیر
- تعیین تعداد مقالات مورد بررسی
- دسته‌بندی اختیاری: اگر دسته وارد شد فقط مقالات مرتبط بررسی شوند.
اگر خالی بود کل سایت بررسی شود.
مهم‌ترین بخش پروژه: Article Discovery (کشف مقالات)
نرم‌افزار نباید فقط وابسته به sitemap.xml باشد، چون بسیاری از سایت‌ها ساختار استاندارد ندارند.
روش بررسی:
- صفحه اصلی سایت
- منوهای اصلی
- وبلاگ / مقالات / اخبار
- صفحات دسته‌بندی
- آرشیوها
- لینک‌های داخلی
مقالات باید با معیارهای مختلف شناسایی شوند:
- ساختار HTML
- وجود تگ article
- طول محتوا
- تاریخ انتشار
- الگوی URL
- متادیتا
اطلاعات استخراجی هر مقاله:
- عنوان
- URL
- تاریخ انتشار
- دسته‌بندی
- متن مقاله
اگر تاریخ پیدا نشد، مقاله حذف نشود و با وضعیت «تاریخ نامشخص» نمایش داده شود.
خروجی این مرحله باید واقعی باشد، نه پیام تست.
مثال:
سایت: example.com
مقاله: درمان اضطراب چیست؟
URL: example.com/article
تاریخ: 1405/05/20
همچنین لاگ اجرای برنامه مشخص کند:
- چند صفحه بررسی شد
- چند لینک پیدا شد
- چند مقاله شناسایی شد
- دلیل رد شدن صفحات چه بوده است
تا زمانی که این بخش روی سایت واقعی درست کار نکند، مراحل بعدی توسعه انجام نشود.
مرحله دوم توسعه:
پس از پیدا کردن مقالات واقعی، نرم‌افزار باید قدرت رتبه‌گیری آن‌ها در گوگل را بررسی کند.
- تحلیل مفهومی مقاله با هوش مصنوعی
نرم‌افزار نباید فقط عنوان مقاله را سرچ کند.
باید مفهوم مقاله را تحلیل کرده و عبارات جستجوی واقعی کاربران را تولید کند.
تکنولوژی پیشنهادی: Google Gemini API
ورودی:
- عنوان مقاله
- متن مقاله
- دسته‌بندی در صورت وجود
خروجی: برای هر مقاله ۵ عبارت مفهومی تولید شود.
مثال:
عنوان: روش‌های درمان افسردگی بدون دارو
عبارات:
- درمان افسردگی
- راه‌های کاهش افسردگی
- کنترل علائم افسردگی
- روش‌های مقابله با افسردگی
- درمان خانگی افسردگی
عبارات باید شبیه جستجوی واقعی کاربران باشند و فقط مترادف عنوان نباشند.
- بررسی رتبه گوگل (SERP Checker)
برای هر عبارت مفهومی:
نرم‌افزار باید در گوگل جستجو کند و رتبه همان URL مقاله را پیدا کند.
شرایط:
- گوگل فارسی
- حالت Desktop
- هماهنگ با Location سیستم یا Chrome کاربر
- استفاده از Chrome واقعی با Playwright در نسخه اول
خروجی:
مقاله: example.com/article
عبارت: درمان افسردگی
رتبه: 27
صفحه: 3
اگر در محدوده بررسی پیدا نشد:
رتبه: خارج از 100
عمق بررسی SERP قابل تنظیم باشد.
پیش‌فرض: ۱۰ صفحه اول گوگل (۱۰۰ نتیجه)
- بررسی محتوای مشابه داخل همان دامنه
برای هر مقاله بررسی شود آیا داخل همان سایت مقاله مشابه دیگری وجود دارد یا خیر.
فقط همان دامنه بررسی شود.
منظور از مشابه:
- محتوای تکراری
- یا مقالات نزدیک از نظر موضوع و مفهوم
خروجی:
مقاله مشابه پیدا شد:
عنوان: ...
URL: ...
میزان شباهت: ...
- خروجی نرم‌افزار
هدف نمایش داده واقعی است، نه امتیاز کلی.
جدول اصلی:
- سایت
- عنوان مقاله
- URL
- تاریخ انتشار
- عبارت جستجو
- رتبه گوگل
نمونه:
سایت: example.ir
مقاله: درمان اضطراب چیست؟
عبارت: درمان اضطراب
رتبه: 24
عبارت: کنترل اضطراب
رتبه: 45
عبارت: درمان خانگی اضطراب
رتبه: خارج از 100
امکان مشاهده جزئیات هر مقاله وجود داشته باشد.
خروجی گرفتن:
- Excel
- CSV
- معماری و توسعه
پروژه باید ماژولار باشد:
- UI
- Article Discovery
- AI Analyzer
- SERP Checker
- Similarity Checker
- Export
- Settings
کد نباید در یک فایل نوشته شود.
هر بخش باید مستقل و قابل توسعه باشد.
- تست واقعی و تحویل
تحویل صرفاً با ساخت رابط کاربری قابل قبول نیست.
هر مرحله باید روی سایت واقعی تست شود.
حداقل تست:
۵ سایت با ساختار متفاوت:
- وردپرسی
- خبری
- مجله‌ای
- سایت اختصاصی
نرم‌افزار باید واقعاً:
- مقاله پیدا کند
- عبارت مفهومی تولید کند
- رتبه گوگل را بررسی کند
- خروجی بدهد
اگر سایتی مشکل داشت، برنامه نباید متوقف شود.
باید خطا را گزارش کند و سایت بعدی را ادامه دهد.
- نسخه نهایی
در پایان:
- سورس کامل پروژه
- فایل اجرایی ویندوز (ترجیحاً exe)
- راهنمای استفاده
ارائه شود.
اولویت‌های پروژه:
پیدا کردن واقعی مقالات سایت‌ها 2.
تحلیل مفهومی درست محتوا 3.
پیدا کردن رتبه واقعی در گوگل 4.
خروجی دقیق و قابل استفاده
هدف نهایی: ساخت یک ابزار تخصصی برای بررسی ارزش واقعی سایت‌های رپورتاژی و اینکه آیا محتوای منتشرشده آن‌ها واقعاً در گوگل رتبه می‌گیرد یا خیر.