一个检测网页是否有日常链接的python脚本

ycycoco

　　在大的互联网公司干技术的基本都会碰到测试、预发布、线上这种多套环境的，来实现测试和线上正式环境的隔离，这种情况下，就难免会碰到秀逗了把测试的链接发布到线上的情况，一般这种都是通过一些测试的检查工具来检查链接来规避风险的。前两天跟了一个问题也是这个情况，开发疏忽把日常url发布到线上了。但是测试那边没有自动化的监控工具，导致没有及时发现，由于最近正好在看python，后来处理完回家就想用python做个简单的监控。
　　大略思路是：用python写一个脚本来分析网页里的所有url，看是否包含日常的链接，然后把脚本放到crontab里跑定时任务，10分钟跑一次检查。如果发现非法链接，就发告警邮件给相关人员。脚本代码100行左右，比较好理解，贴上代码。
　　本来想用beautifulsoup，不过考虑到安装三方库麻烦，所以还是用自带的sgmllib来，不需要关心库。发邮件函数没有实现，根据各自的smtp服务器实现以下即可。



1 #!/usr/bin/env python
2 #coding:UTF-8
3
4 import urllib2
5 from sgmllib import SGMLParser
6 import smtplib
7 import time
8 #from email.mime.text import MIMEText
9 #from bs4 import BeautifulSoup
10 #import re
11
12 class UrlParser(SGMLParser):
13     urls = []
14     def do_a(self,attrs):
15         '''parse tag a'''
16         for name,value in attrs:
17             if name=='href':
18                 self.urls.append(value)
19             else:
20                 continue
21     
22     def do_link(self,attrs):
23         '''parse tag link'''
24         for name,value in attrs:
25             if name=='href':
26                 self.urls.append(value);
27             else:
28                 continue
29
30 def checkUrl(checkurl, isDetail):
31     '''检查checkurl对应的网页源码是否有非法url'''
32     parser = UrlParser()
33     page = urllib2.urlopen(checkurl)
34     content = page.read()
35     #content = unicode(content, "gb2312").encode("utf8")
36     parser.feed(content)
37     urls = parser.urls
38     
39     dailyUrls = []
40     detailUrl = ""
41     for url in urls:
42         if 'daily' in url:
43             dailyUrls.append(url);
44         if not detailUrl and not isDetail and 'detail.ju.taobao.com' in url:
45             detailUrl = url
46     
47     page.close()
48     parser.close()
49     
50     if isDetail:
51         return dailyUrls
52     else:
53         return dailyUrls,detailUrl
54
55 def sendMail():
56     '''发送提醒邮件'''
57     pass
58     
59 def log(content):
60     '''记录执行日志'''
61     logFile = 'checkdailyurl.log'
62     f = open(logFile,'a')
63     f.write(str(time.strftime("%Y-%m-%d %X",time.localtime()))+content+'\n')
64     f.flush()
65     f.close()
66
67 def main():
68     '''入口方法'''
69     #检查ju
70     url = "XXX.xxx.com"
71
72     dailyUrls,detailUrl=checkUrl(url, False)
73     if dailyUrls:
74         #检查到daily链接，发送告警邮件
75         sendMail()
76         log('check: find daily url')
77     else:
78         #没检查到daily链接，不处理
79         log('check: not find daily url')
80
81     #检查judetail
82     dailyUrls=checkUrl(detailUrl, True)
83     if dailyUrls:
84         #检查到daily链接，发送告警邮件
85         log('check: find daily url')
86         sendMail()
87     else:
88         #没检查到daily链接，不处理
89         log('check: not find daily url')
90
91 if __name__ == '__main__':
92     main()