【下载文档:  测试、预发布后用python检测网页是否有日常链接.txt 】

---

测试、预发布后用python检测网页是否有日常链接
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。 复制代码 代码如下: #!/usr/bin/env python #coding:UTF-8 import urllib2 from sgmllib import SGMLParser import smtplib import time #from email.mime.text import MIMEText #from bs4 import BeautifulSoup #import re class UrlParser(SGMLParser): urls = [] def do_a(self,attrs): '''''parse tag a''' for name,value in attrs: if name=='href': self.urls.append(value) else: continue def do_link(self,attrs): '''''parse tag link''' for name,value in attrs: if name=='href': self.urls.append(value); else: continue def checkUrl(checkurl, isDetail): '''''检查checkurl对应的网页源码是否有非法url''' parser = UrlParser() page = urllib2.urlopen(checkurl) content = page.read() #content = unicode(content, "gb2312").encode("utf8") parser.feed(content) urls = parser.urls dailyUrls = [] detailUrl = "" for url in urls: if 'daily' in url: dailyUrls.append(url); if not detailUrl and not isDetail and 'www.bc5u.com' in url: detailUrl = url page.close() parser.close() if isDetail: return dailyUrls else: return dailyUrls,detailUrl def sendMail(): '''''发送提醒邮件''' pass def log(content): '''''记录执行日志''' logFile = 'checkdailyurl.log' f = open(logFile,'a') f.write(str(time.strftime("%Y-%m-%d %X",time.localtime()))+content+'\n') f.flush() f.close() def main(): '''''入口方法''' #检查ju url = "www.bc5u.com" dailyUrls,detailUrl=checkUrl(url, False) if dailyUrls: #检查到daily链接，发送告警邮件 sendMail() log('check: find daily url') else: #没检查到daily链接，不处理 log('check: not find daily url') #检查judetail dailyUrls=checkUrl(detailUrl, True) if dailyUrls: #检查到daily链接，发送告警邮件 log('check: find daily url') sendMail() else: #没检查到daily链接，不处理 log('check: not find daily url') if __name__ == '__main__': main()