# www.websiteboosting.com / Patrik Luerwer & Mario Fischer

# Codebeispiel fuer R - Website Boosting Ausgabe 67
# Aus der Serie "R Leuchtungen", Teil 6
# Alle Zeilen, die mit # beginnen, dienen nur der Erklaerung
# und werden von R ignoriert.

# Hinweis. Die zwei nachfolgenden Librarys muessen einmalig installiert
# werden. Wie das geht, steht im Heft! Danach kann man die beiden Zeilen loeschen.

# Achtung: Wenn Sie die vorherigen Teile unserer Serie noch nicht
# durchgespielt haben, müssen Sie die Librarys einmalig für R installieren.
# Dazu entfernen Sie die beiden Doppelkreuze vor "instal....".
# R wird dann ggf. nochmal neu starten wollen. Ist halt so. 
# Anschließend können Sie die # wieder vorne anstellen, sonst werden die immer
# wieder installiert. Das ist lästig. Es geht auch einfacher, mehr dazu im Heft! 

# install.packages("tidyverse")
# install.packages("janitor ")

# Nachfolgended werden die installierten Librarys in den Speicher von R geladen:

library(tidyverse)
library(janitor)

# Screaming Frog Dateien einlesen

internal_all <- read_csv("internal_all.csv", locale = locale(decimal_mark = ",")) %>% 
  clean_names()

all_inlinks <- read_csv("all_inlinks.csv", col_types = cols(.default = "c")) %>% 
  type_convert() %>% 
  clean_names()

# Nur solche URLs behalten, die HTML und indexierbar sind
internal_all_indexable <- internal_all %>% 
  filter(indexability == "Indexable", str_detect(content_type, "html"))

# Berechnen, welche identischen Anker auf verschiedene URLs zeigen

different_anchors_per_url <- all_inlinks %>%
  filter(
    source != destination, # Aller Verlinkungen einer Seite auf sich selbst entfernen, da das in der Regel Sprungmarken-Links sind
    !is.na(anchor) # Leere Anker-Texte entfernen - bspw. von Bildverlinkungen
  ) %>% 
  semi_join(internal_all_indexable, by = c("destination" = "address")) %>% # Nur die Zeilen behalten, bei denen die verlinkte URL eine indexierbare HTML-URL ist
  group_by(anchor) %>%
  mutate(n_url = n_distinct(destination)) %>% # Anzahl der verlinkten URLs je Anker zählen
  ungroup() %>% 
  filter(n_url > 1) %>% # Nur solche Zeilen behalten, bei denen die Anzahl der URLs je Anchor größer 1 ist
  select(anchor, n_url, destination, source) %>% # Nur die benötigten Spalten behalten
  distinct() %>%  # Doppelte Einträge durch Mehrfachverlinkungen von einer Seite entfernen
  arrange(desc(n_url), destination)

# Google SearchConsole-Daten an den Dataframe schreiben, wenn sie vorhanden sind

if ("clicks" %in% names(internal_all_indexable)) {
  
  different_anchors_per_url <- different_anchors_per_url %>% 
    left_join(internal_all_indexable %>% # GSC-Daten an den DataFrame schreiben
              select(address, 
                     destination_clicks = clicks, # Spalten umbedennen, damit ersichtlich ist, dass sich die Clicks etc. auf die destination beziehen
                     destination_impressions = impressions,
                     destination_ctr = ctr,
                     destination_position = position), 
            by = c("destination" = "address")) %>% 
  arrange(desc(n_url), destination, desc(destination_clicks))
}

# Grafik plotten bzw. erzeugen

different_anchors_per_url %>%
  distinct(anchor, n_url) %>%
  mutate(anchor =  case_when(str_length(anchor) >= 30 ~ str_replace(anchor, "(.{0,30}).*", "\\1[...]"), # Sehr lange Ankertexte kürzen
                             TRUE ~ anchor)) %>%
  ggplot(aes(n_url, reorder(anchor, n_url))) +
  geom_col() +
  labs(title = "Wie viele URLs werden mit dem Anker ... verlinkt?",
       x = "URLs",
       y = NULL)

# Grafik im Arbeitsverzeichnis speichern als png
ggsave("anker_anzahl_urls.png")

# CSV-Export der Übersicht: Verlinkte URLs je Ankertext

different_anchors_per_url %>%
  distinct(across(-source)) %>%
  write_excel_csv2("verlinkte_urls_je_anker.csv", na = "")

# CSV-Export der Übersicht: Verlinkte URL je Anker und verlinkende URL

write_excel_csv2(different_anchors_per_url, "verlinkte_urls_je_anker_und_verlinkende_seite.csv", na = "")

### Ende des des Skrips
### Für weitere Infos siehe Beitrag im Heft