python3实用小工具--网站筛选工具（附源码）

平常工作生活中，boos可能会给我们很多网站取提取信息，这些网站有的无法响应，有的404，有的501…真的需要所有网站都访问再提取信息吗？今天写一个小工具用于筛选网站中能访问的网站，在此仅举一例，即状态码为200。

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！