在web测试,对网页中的超链接进行测试是最基本的工作,最简便的方法当然是使用像xenu之类的工具。但它具体是怎么实现的呢?我想也无外乎是通过http协议,根据超链接地址,向服务端发送请求,然后根据返回的信息进行判断连接的状态。下面是根据这种思路,用python编写的检测网页链接连通性的程序。首先,建立一个示例网页,其中link1,lin3是不连通的,link2,link4是有效链接51Testing软件测试网'x/WA({Q6H zn
<head>Test</head>
<body>
<a href="http://ggdfgdfg.com/erwerwe.html">link1</a>
<a href="/sample/lik.html">link2</a>
<a href="/sample/lik2.html">link3</a>
<a href="http://google.com">link4</a>
</body>
;LG,C!e3e [!Y*C0使 用python进行链接检测,要使用到4个重要模块,过程就是通过urllib抓取目标网页的html代码,然后通过sgmllib模块解析html,获 取超链接的列表。然后使用urlparse解析超链接的url,供httplib使用。然后由httplib模块进行最后的请求及验证回复的过程。51Testing软件测试网~G r])I7Tu8G$k,S4w%N
sgmllib :用于HTML解析,解析出网页中包含的超链接
cB:c9TQ-|(u'JW0httplib:用于Http协议的操作51Testing软件测试网q"y1K4]N}&@f
urllib:用于获取网页的html代码51Testing软件测试网3wwHB\ yl_
urlparse:解析url地址,把url地址解析成几个部分。51Testing软件测试网KY\mi1{;@7B
具体实现代码如下:51Testing软件测试网
n-A m'l??,i`
#-×-coding:gb2312-*-
import httplib,urllib,urlparse
from sgmllib import SGMLParser
#解析指定的网页的html,得到该页面的超链接列表
class URLLister(SGMLParser):
def reset(self):
SGMLParser.reset(self)
self.urls = []
\-DL0K7xyT$B0 def start_a(self, attrs):
href = [v for k, v in attrs if k=='href']
if href:
self.urls.extend(href)
#遍历超链接列表,并逐个的发送请求,判断接收后的代码,200为正常,其他为不正常
def fetch(host):
usock = urllib.urlopen(host)
parser = URLLister()
parser.feed(usock.read())
uhost = urlparse.urlparse(host)
for url in parser.urls:
up = urlparse.urlparse(url)
#因为超链接有两种方式:一种是直接的http://...... 一种是相对路径,/.../sample.html
#所以要分别处理
if up.netloc =="":
http = httplib.HTTP(uhost.netloc)
http.putrequest("GET", "/"+up.path+"?"+up.params+up.query+up.fragment)
http.putheader("Accept", "*/*")
http.endheaders()
else:
http = httplib.HTTP(up.netloc)
http.putrequest("GET", up.path+"?"+up.params+up.query+up.fragment)
http.putheader("Accept", "*/*")
http.endheaders()
errcode, errmsg, headers = http.getreply()
if errcode == 200:
print url," : ok"
else:
print url," : ",errcode51Testing软件测试网P
NYSN/b)E+xw
#测试
fetch("http://localhost/Sample/sample.html")
7K)smiE$kkr0代码运行的结果:51Testing软件测试网3Z8R8r6[xmsG9i(N"y
http://ggdfgdfg.com/erwerwe.html : 404
/sample/lik.html : ok
/sample/lik2.html : 404
http://google.com : ok