一个检测网页是否有日常链接的python脚本

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。

 #!/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 'detail.ju.taobao.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 = "XXX.xxx.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()