Python指令碼檢測網站連結是否存在

最近購買了幾個PR值高的網站連結，把我們自己的網站連結掛上去。為了能夠檢測對方的網站是否把我們的網站連結放上去，特地用Python寫了一個小指令碼，因為這是我的第一個Python程式，所以參考了網上的代碼。所以，如有雷同，純屬模仿。

 

早就聽說Python語言操作簡單，果然名不虛傳，短短几句，就實現了基本的功能。

要檢測目標網站上是否存在指定的URL，其實過程很簡單：

1、獲得指定網站網頁的HTML代碼

2、在HTML代碼中尋找指定的URL

3、如果存在，OK；否則，Error

 

整個程式引用了兩個lib庫，urllib2和sgmllib。

urllib2庫主要定義了一些訪問URL（基本通過HTTP）的函數與類。

sgmllib庫主要負責解析HTML代碼。

 1 import urllib2
 2 from sgmllib import SGMLParser
 3 
 4 class URLLister(SGMLParser):
 5     def reset(self):
 6         SGMLParser.reset(self)
 7         self.urls = []
 8 
 9     def start_a(self,attrs):
10         href=[v for k,v in attrs if k=='href']
11         if href:
12             if (href[0].count('http://網站URL')==1):
13                 self.urls.extend(href)
14 
15 
16 links = ['http://www.google.com/',
17          'http://www.baidu.com',
18          'http://www.sohu.net',
19          'http://www.163.com',
20          'http://www.cnblogs.com',
21          'http://www.qq.com',
22          'http://www.yahoo.com/',
23          'http://www.bing.com/',
24          'http://www.360.com',]
25 
26 for eachlink in links:
27     f = urllib2.urlopen(eachlink)
28     if f.code ==200:
29         parser = URLLister()
30         parser.feed(f.read())
31         f.close()
32         if (len(parser.urls)>=1):
33             print 'The link from '+eachlink+' is OK!'
34         else:
35             print 'The link from '+eachlink+' is ERROR!'

 

這其中幾個主要函數：

1、urllib2.urlopen(url[, data][, timeout])//開啟一個URL

2、SGMLParser.feed(data) //獲得需要解析的HTML資料

3、SGMLParser.start_tag(attributes) //指定需要解析的HTML標籤，在本程式中，我們調用了start_a,說明我們需要解析HTML代碼中<a>標籤。通過尋找<a>標籤中href屬性的value，可以獲得該網頁上所有連結的資訊，只要我們指定的URL存在，就OK了。

 

這其實是一個很小的指令碼，但也讓我激動不已。一來，我已經跨進了Python的世界，並用它解決了實際工作中的問題，二來，它的簡單文法、縮排格式著實讓我眼前一亮。今後，希望能夠多多使用Python,解決實際工作中的種種問題，做到學以致用。