一.思路
1.整体思路
2.代码思路
思路很简单,就是用python发送请求,提取响应体中的状态码加以判断,最后保存到本地txt文本中,以实现网站信息的筛选。
二.撰写代码
import time
import requests
import urllib3
from concurrent.futures import ThreadPoolExecutor
#取源文件中的网址并且去重
def get_url(old_file):
with open(old_file,'r',encoding='gbk')as f:
urllist=list(set(f.readlines()))
return urllist
#主体,发送请求,通过异常捕获判断能否响应,通过状态码判断网闸能否正常访问
def request(url):
url=url.strip()
#构造请求头信息
headers = {
'Connection': 'keep-alive',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'
}
try:
#忽略证书安全警告
urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)
r=requests.get(url,headers=headers,timeout=10,verify=False)#timeout设置超时时间,我设置了10s,使用verif=False忽略sll认证
if r.status_code==200:
cost_time=r.elapsed.total_seconds()#计算访问耗时
print(url,' ----->【能访问】访问耗时:\033[35;46m{:.2f}s\033[0m'.format(cost_time))
can_access_save_to_txt(url)
else:
print(url,' ----->不能访问,状态码为:\033[31;44m{}\033[0m'.format(r.status_code))
except:
print(url, ' ----->不能访问,原因:\033[31;44m不能响应\033[0m')
#将能访问的网址保存到new_file
def can_access_save_to_txt(result):
result=result.strip()
#筛选出不是.apk的url,此判断可以不加
if not result.endswith('.apk'):
with open(aim_file,'a')as f:
f.write(result+'\n')
def main():
s_time=time.time()
#使用线程池,创建四条线程。
pool=ThreadPoolExecutor(max_workers=4)
urls=get_url(orign_file)
for url in urls:
pool.submit(request,url)
pool.shutdown()
e_time=time.time()
sum_time=int(e_time-s_time)
if sum_time>60:
print(f'\033[38;46m 程序正常执行结束退出!共耗时:【{sum_time//60}分钟】 \033[0m')
elif sum_time/60>1:
print(f'\033[38;46m 程序正常执行结束退出!共耗时:【{sum_time//60*60}小时】 \033[0m')
if __name__ == '__main__':
orign_file=r'E:\test.txt'
#筛选后能访问的网址
aim_file="./data/test_can_access.txt"
#筛选后不能访问的网址
main()
三.运行结果
四.总结
本次使用python撰写了一款筛选网站的小工具,将网站大致分为能访问和不能访问两类,将能够访问且状态码为200的网站存储到了文件中,最终实现了网站的筛选。思路、代码方面有什么不足欢迎各位大佬指正、批评!
以上就是python 制作网站筛选工具(附源码)的详细内容,更多关于python 制作网站筛选工具的资料请关注脚本之家其它相关文章!