Exterminador de Enlaces Rotos

1. Ingreso de URL: El usuario proporciona la URL del sitio a auditar
2. Extracción: BeautifulSoup parsea el HTML y extrae todos los enlaces
3. Verificación: Requests comprueba cada enlace con headers personalizados
4. Análisis: Clasifica los enlaces por status code (OK, Error, Timeout)
5. Reporte: Genera CSV con enlaces rotos listos para revisión
6. Presentación: Feedback visual inmediato en consola con colores

• Testing Pre-Producción: Validar que no hay enlaces rotos antes del lanzamiento
• Auditorías Periódicas: Verificación continua de sitios en producción
• Migración de Sitios: Confirmar que todos los enlaces apuntan correctamente
• Mantenimiento Web: Detectar enlaces obsoletos o páginas eliminadas
• SEO Quality: Asegurar que no hay errores 404 que afecten el ranking
• Reportes de Cliente: Documentación profesional de problemas encontrados

• 🔹 URL_Origen: La página web auditada
• 🔹 Link_Roto: El enlace específico que presentó error
• 🔹 Status_Code: Código HTTP o tipo de error (404, 500, TIMEOUT, etc.)

• ✅ Ahorro de Tiempo: Automatiza lo que tomaría horas hacer manualmente
• ✅ Precisión Total: Elimina errores humanos en verificación manual
• ✅ Escalabilidad: Audita sitios con cientos de enlaces en minutos
• ✅ Documentación: Reportes profesionales para stakeholders
• ✅ Reutilizable: Script adaptable para diferentes proyectos
• ✅ Visual: Feedback inmediato con colores en consola

Proceso Interno:

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)'
}

response = requests.get(url_objetivo, headers=headers, timeout=10)
soup = BeautifulSoup(response.content, 'html.parser')

enlaces = soup.find_all('a', href=True)
for enlace in enlaces:
    url_completa = urljoin(url_objetivo, enlace['href'])

try:
    r = requests.head(url, timeout=5)
    if r.status_code == 200:
        print(f"{Fore.GREEN}✓ OK - {url}")
    else:
        print(f"{Fore.RED}✗ ERROR {r.status_code}")
        enlaces_rotos.append(url)
except requests.exceptions.Timeout:
    print(f"{Fore.RED}✗ TIMEOUT - {url}")
    enlaces_rotos.append(url)

df = pd.DataFrame({
    'URL_Origen': [url_objetivo] * len(enlaces_rotos),
    'Link_Roto': enlaces_rotos,
    'Status_Code': status_codes
})
df.to_csv('reporte_errores.csv', index=False)

1. Instalación de Dependencias

Primero, instala las librerías necesarias:

pip install requests beautifulsoup4 colorama pandas

requests: Para hacer peticiones HTTP
beautifulsoup4: Para parsear HTML
colorama: Para colores en consola
pandas: Para generar reportes CSV

2. Ejecución del Script

Ejecuta el script desde la terminal:

python broken_link_checker.py

El script te pedirá la URL a auditar:

Ingresa la URL del sitio web a auditar: https://ejemplo.com

3. Salida en Consola

Verás el progreso en tiempo real con colores:

4. Análisis del Reporte CSV

El archivo reporte_errores.csv contiene:

Puedes abrir este archivo en Excel, Google Sheets o cualquier editor de CSV para análisis detallado.

5. Repositorio y Control de Versiones

Para subir el proyecto a GitHub:

# Inicializa el repositorio Git
git init

# Añade todos los archivos
git add .

# Crea el primer commit
git commit -m "Añadido Exterminador de Enlaces Rotos - Herramienta QA"

# Conecta con tu repositorio remoto
git remote add origin https://github.com/FerDVaz09/broken-link-checker.git

# Sube los cambios
git push -u origin main

Estructura de archivos recomendada:

broken-link-checker/
├── broken_link_checker.py
├── requirements.txt
├── README.md
├── .gitignore
└── reporte_errores.csv (generado al ejecutar)

• 🔗 http://the-internet.herokuapp.com/status_codes - Sitio diseñado para testing con errores intencionales
• 🔗 https://httpstat.us/ - Simula diferentes códigos de estado HTTP para pruebas
• 🔗 Tu propio sitio web - Audita tu portfolio o proyecto antes de lanzarlo