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()