检查网站中特定标签的Python脚本

Question

我正在尝试写一个网站监控的脚本（最后会变成定时任务），这个脚本的工作是打开一个指定的网址，检查一下某个标签是否存在。如果这个标签不存在，或者里面没有我期待的数据，那么就把这些信息写入一个日志文件，或者发送一封电子邮件。

这个标签可能是像 这样的东西，或者其他类似的标签。

有没有人有什么好主意呢？

Answer 1

下面这段（未经测试的）代码使用了urllib2来获取网页内容，并用re来进行搜索。

import urllib2,StringIO

pageString = urllib2.urlopen('**insert url here**').read()
m = re.search(r'**insert regex for the tag you want to find here**',pageString)
if m == None:
    #take action for NOT found here
else:
    #take action for found here

下面这段（未经测试的）代码使用了pycurl和StringIO来获取网页内容，并用re来进行搜索。

import pycurl,re,StringIO

b = StringIO.StringIO()
c = pycurl.Curl()
c.setopt(pycurl.URL, '**insert url here**')
c.setopt(pycurl.WRITEFUNCTION, b.write)
c.perform()
c.close()
m = re.search(r'**insert regex for the tag you want to find here**',b.getvalue())
if m == None:
    #take action for NOT found here
else:
    #take action for found here

Answer 2

这是一个示例代码（未经测试），用于记录日志并发送邮件：

#!/usr/bin/env python
import logging
import urllib2
import smtplib

#Log config
logging.basicConfig(filename='/tmp/yourscript.log',level=logging.INFO,)

#Open requested url
url = "http://yoursite.com/tags/yourTag"
data = urllib2.urlopen(url)

if check_content(data):
   #Report to log
   logging.info('Content found')
else:
   #Send mail
   send_mail('Content not found')

def check_content(data):
    #Your BeautifulSoup logic here
    return content_found

def send_mail(message_body):
    server = 'localhost'
    recipients = ['you@yourdomain.com']
    sender = 'script@yourdomain.com'
    message = 'From: %s \n Subject: script result \n\n %s' % (sender, message_body)
    session = smtplib.SMTP(server)
    session.sendmail(sender,recipients,message);

我会用beautifulSoup来编写check_content()这个函数。

Answer 3

我觉得你最好的选择是看看BeautifulSoup这个工具。用法大概是这样的：

import urllib2
from BeautifulSoup import BeautifulSoup

page = urllib2.urlopen("http://yoursite.com")
soup = BeautifulSoup(page)

# See the docs on how to search through the soup. I'm not sure what
# you're looking for so my example stops here :)

之后，把它发邮件或者记录下来都是很常见的做法。