获取http响应时间，pycurl,python

http://blog.csdn.net/zbyufei/article/details/6092406

http://blog.daxuxu.info/2010/11/pycurl_use_examples.html

最近需要对节点到源站自己做个监控，简单的ping可以检测到一些东西，但是http请求的检查也要进行，于是就研究了下pycurl
pycurl是个用c语言实现的python 库，虽然据说不是那么pythonic，但是却很高效，它支持的协议居多：

supporting FTP, FTPS, HTTP, HTTPS, GOPHER, TELNET, DICT, FILE and LDAP. libcurl supports HTTPS certificates, HTTP POST, HTTP PUT, FTP uploading, kerberos, HTTP form based upload, proxies, cookies, user+password authentication, file transfer resume, http proxy tunneling and more!

这一堆协议已经很多了，我需要就是http一个，相对urlib来说，这个库可能更快些。

以下这个脚本是对某一个给定的url进行检查，并打印出http相应码，响应大小，建立连接时间，准备传输时间，传输第一个字节时间，完成时间

#!/usr/bin/python

# coding: UTF-8

import StringIO

import pycurl

import sys

import os

class Test:

        def __init__(self):

                self.contents = ''

        def body_callback(self,buf):

                self.contents = self.contents + buf

 

 

def test_gzip(input_url):

        t = Test()

        #gzip_test = file("gzip_test.txt", 'w')

        c = pycurl.Curl()

        c.setopt(pycurl.WRITEFUNCTION,t.body_callback)

        c.setopt(pycurl.ENCODING, 'gzip')

        c.setopt(pycurl.URL,input_url)

        c.perform()

        http_code = c.getinfo(pycurl.HTTP_CODE)

        http_conn_time =  c.getinfo(pycurl.CONNECT_TIME)

        http_pre_tran =  c.getinfo(pycurl.PRETRANSFER_TIME)

        http_start_tran =  c.getinfo(pycurl.STARTTRANSFER_TIME)

        http_total_time = c.getinfo(pycurl.TOTAL_TIME)

        http_size = c.getinfo(pycurl.SIZE_DOWNLOAD)

        print 'http_code http_size conn_time pre_tran start_tran total_time'

        print "%d %d %f %f %f %f"%(http_code,http_size,http_conn_time,http_pre_tran,http_start_tran,http_total_time)

 

if __name__ == '__main__':

        input_url = sys.argv[1]

        test_gzip(input_url)

脚本运行效果

xu:~/curl$ python pycurl_test.py

http_code http_size conn_time pre_tran start_tran total_time

200 8703 0.748147 0.748170 1.632642 1.636552

pycurl 的一些响应信息：
(参考： http://curl.haxx.se/libcurl/c/curl_easy_getinfo.html )

pycurl.NAMELOOKUP_TIME 域名解析时间
pycurl.CONNECT_TIME 远程服务器连接时间
pycurl.PRETRANSFER_TIME 连接上后到开始传输时的时间
pycurl.STARTTRANSFER_TIME 接收到第一个字节的时间
pycurl.TOTAL_TIME 上一请求总的时间
pycurl.REDIRECT_TIME 如果存在转向的话，花费的时间

pycurl.EFFECTIVE_URL
pycurl.HTTP_CODE HTTP 响应代码
pycurl.REDIRECT_COUNT 重定向的次数
pycurl.SIZE_UPLOAD 上传的数据大小
pycurl.SIZE_DOWNLOAD 下载的数据大小
pycurl.SPEED_UPLOAD 上传速度
pycurl.HEADER_SIZE 头部大小
pycurl.REQUEST_SIZE 请求大小
pycurl.CONTENT_LENGTH_DOWNLOAD 下载内容长度
pycurl.CONTENT_LENGTH_UPLOAD 上传内容长度
pycurl.CONTENT_TYPE 内容的类型
pycurl.RESPONSE_CODE 响应代码
pycurl.SPEED_DOWNLOAD 下载速度
pycurl.SSL_VERIFYRESULT
pycurl.INFO_FILETIME 文件的时间信息

pycurl.HTTP_CONNECTCODE HTTP 连接代码
pycurl.HTTPAUTH_AVAIL
pycurl.PROXYAUTH_AVAIL
pycurl.OS_ERRNO
pycurl.NUM_CONNECTS
pycurl.SSL_ENGINES
pycurl.INFO_COOKIELIST
pycurl.LASTSOCKET
pycurl.FTP_ENTRY_PATH

 

########################################################

前几天看完《》，预想练手，想起同事的一个 ruby 代码，尝试改写成 python，顺便看看两个语言的简练程度。下面是原始的 ruby 代码：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

#!/usr/bin/env ruby require 'rubygems' require 'net/http' urls = [""] 50.times do urls.each do |url| start_at = Time.now Net::HTTP.get URI.parse(url) end_at = Time.now diff = end_at - start_at if diff < 0.3 then color_code = 32 elsif diff > 0.8 then color_code = 31 else color_code = 33 end puts "#{url}\n time: \033[#{color_code}m#{diff}\033[0m seconds" end end

改写 python 的同时，考虑脚本的灵活性准备增加两个参数，第一个是请求测试次数，第二个是请求测试的 URL，而 python 默认提供了argparse 库，可以很方便的生成 --help 的帮助和解析传递的参数：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

#!/usr/bin/env python import urllib2 import time import sys import argparse def benchmark(url, count): for i in range(count): s = time.time() r = urllib2.urlopen(urllib2.Request(url)) e = time.time() diff = e - s if diff < 0.3: color_code = 32 elif diff > 0.8: color_code = 31 else: color_code = 33 print '# %d' % (i + 1) print '\tStauts: %s' % r.getcode() print '\tTime: \033[%dm%f\033[0m second(s)' % (color_code, diff) def main(argv): parser = argparse.ArgumentParser(description='url request time test') parser.add_argument('URL', help='request url') parser.add_argument('-t', '--time', action='store', dest='count', type=int, default=10, help='request times') args = parser.parse_args(argv) benchmark(args.URL, args.count) if __name__ == '__main__': main(sys.argv[1:])

当然，我主要是为了练手 python 才去写的，ruby 本身也有  库用于解析参数，但是需要自己手写生成 --help 的输出，而且需要对每个参数做相应的 callback。

效果如下：

Posted by  on 2012-08-02

 

 

#########################################################

 

http://blog.raphaelzhang.com/2012/03/issues-in-python-crawler/

用Python抓网页的注意事项

3 条回复

用Python编一个抓网页的程序是非常快的，下面就是一个例子：

 

 

1 2 3

importurllib2   html=urllib2.urlopen('http://blog.raphaelzhang.com').read()

 

但是在实际工作中，这种写法是远远不够的，至少会遇到下面几个问题：

• 网络会出错，任何错误都可能。例如机器宕了，网线断了，域名出错了，网络超时了，页面没有了，网站跳转了，服务被禁了，主机负载不够了…
• 服务器加上了限制，只让常见浏览器访问
• 服务器加上了防盗链的限制
• 某些2B网站不管你HTTP请求里有没有Accept-Encoding头部，也不管你头部具体内容是什么，反正总给你发gzip后的内容
• URL链接千奇百怪，带汉字的也罢了，有的甚至还有回车换行
• 某些网站HTTP头部里有一个Content-Type，网页里有好几个Content-Type，更过分的是，各个Content-Type还不一样，最过分的是，这些Content-Type可能都不是正文里使用的Content-Type，从而导致乱码
• 网络链接很慢，乘分析几千个页面的时间，建议你可以好好吃顿饭去了
• Python本身的接口有点糙

好吧，这么一大箩筐问题，我们来一个个搞定。

错误处理和服务器限制

首先是错误处理。由于urlopen本身将大部分错误，甚至包括4XX和5XX的HTTP响应，也搞成了异常，因此我们只需要捕捉异常就好了。同时，我们也可以获取urlopen返回的响应对象，读取它的HTTP状态码。除此之外，我们在urlopen的时候，也需要设置timeout参数，以保证处理好超时。下面是代码示例：

 

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

importurllib2 importsocket   try:   f=urllib2.urlopen('http://blog.raphaelzhang.com',timeout=10)   code=f.getcode()   ifcode<200orcode>=300:     #你自己的HTTP错误处理 exceptException,e:   ifisinstance(e,urllib2.HTTPError):     print'http error: {0}'.format(e.code)   elifisinstance(e,urllib2.URLError)andisinstance(e.reason,socket.timeout):     print'url error: socket timeout {0}'.format(e.__str__())   else:     print'misc error: '+e.__str__()

 

如果是服务器的限制，一般来说我们都可以通过查看真实浏览器的请求来设置对应的HTTP头部，例如针对浏览器的限制我们可以设置User-Agent头部，针对防盗链限制，我们可以设置Referer头部，下面是示例代码：

 

 

1 2 3 4 5 6 7

importurllib2   req=urllib2.Request('http://blog.raphaelzhang.com',   headers={"Referer":"",     "User-Agent":"Mozilla/5.0 (Windows NT 5.1) AppleWebKit/534.24 (KHTML, like Gecko) Chrome/11.0.696.68 Safari/534.24" }) html=urllib2.urlopen(url=req,timeout=10).read()

 

有的网站用了Cookie来限制，主要是涉及到登录和限流，这时候没有什么通用的方法，只能看能否做自动登录或者分析Cookie的问题了。

URL与内容处理

URL里奇形怪状的格式只能个别分析，个别处理，逮到一个算一个。例如针对URL里可能有汉字，相对路径，以及回车换行之类的问题，我们可以先用urlparse模块的urljoin函数处理相对路径的问题，然后去掉乱七八糟的回车换行之类的玩意，最后用urllib2的quote函数处理特殊字符编码和转义的问题，生成真正的URL。

当然，在使用的过程中你会发现Python的urljoin和urlopen都有些问题，因此具体的代码我们在后面再给。

对于那些不管三七二十一就把gzip内容丢过来的，我们直接分析它的内容格式，不要管HTTP头部就好了。代码是这样的：

 

 

1 2 3 4 5 6

importurllib2 importgzip,cStringIO   html=urllib2.urlopen('http://blog.raphaelzhang.com').read() ifhtml[:6]=='\x1f\x8b\x08\x00\x00\x00':   html=gzip.GzipFile(fileobj=cStringIO.StringIO(html)).read()

 

好了，现在又到了编码处理的痛苦时间了。由于我们是中国人，用的是汉字，因此必须要搞清楚一段文本使用的到底是什么编码(f*ck)，不然就会出现传说中的乱码。

按照一般浏览器的处理流程，判断网页的编码首先是根据HTTP服务器发过来的HTTP响应头部中Content-Type字段，例如text/html; charset=utf-8就表示这是一个HTML网页，使用的是utf8编码。如果HTTP头部中没有，或者网页内容的head区中有charset属性或者其http-equiv属性为Content-Type的meta元素，如果有charset属性，则直接读取这个属性，如果是后者，则读取这个元素的content属性，格式与上述格式类似。

按理来说，如果大家都按规矩出牌，编码的问题是很好搞定的。但是，问题就在于大家可能不按规矩办事，走自己的捷径…(OMG）。首先，HTTP响应里不一定有Content-Type头部，其次某些网页里可能没有Content-Type或者有多个Content-Type(例如百度搜索的缓存页面)。这个时候，我们就必须冒险猜测了，因此处理编码的一般流程是：

1. 读取urlopen返回的HTTP相应对象的headers.dict['content-type']属性，将charset读取出来
2. 利用正则表达式解析HTML里head区对应的meta元素中Content-Type/charset属性的值，并读取出来
3. 如果上面两步中获得的编码只有gb2312或者gbk，则可以认为网页的编码是gbk(反正gbk兼容gb2312)
4. 如果发现有多个编码，而且这些编码互不兼容，例如又有utf8又有ios8859-1的，那我们只好使用chardet模块了，调用chardet的detect函数，读取encoding属性即可
5. 获得了编码后，可以将网页用decode方法转码为Python中的unicode串以方便后续的统一处理

几个需要注意的地方，我的做法是只要网页的编码是gb2312，我就将其假定为gbk。因为不少网站虽然写的是gb2312，实际上是gbk编码的，毕竟gb2312覆盖的字符数太少，很多字，例如朱棣、陶喆，朱镕基这些词中都有字不在gb2312的覆盖范围内。

其次，chardet不是万能的，如果有现成的Content-Type/charset，就仍然使用Content-Type/charset。因为chardet使用的是一种猜测方式来做的，主要是参考的老版本的火狐代码中的猜测算法，就是根据某些编码的特征来猜测的。例如gb2312编码中“的”这个字的对应的编码的出现频率可能比较高等。在我的实际使用中，它出错的概率也有10%左右吧。另外，因为它要分析和猜测，所以时间也比较长。

检测编码的代码有点长，具体可以参看里的getencoding函数的实现。

提高性能

网页抓取程序的主要性能瓶颈都在网络处理上。关于这一点，可以使用cProfile.run和pstats.Stats来测试一下每个函数的调用时间就可以得到验证了。一般来说，可以通过下面几种方法来解决：

• 使用threading或者multiprocess来并行处理，同时抓取多个页面，使用都非常简单的，文档在
• 在HTTP请求里面加上Accept-Encoding头部，将其设为gzip即可，表示可以接受gzip压缩的数据，绝大多数网站都支持gzip压缩，可以节省70 ~ 80%的流量
• 如果不需要读取所有内容，可以在HTTP请求里面加上Range头部(HTTP断点续传也需要这个头部的)。例如把Range头部的值设为bytes=0-1023就是相当于请求开头1024个字节的内容，这样可以大大节省带宽。不过少数网站不支持这个头部，这个需要注意下
• 调用urlopen的时候一定要设置timeout参数，不然可能程序会永远等待在那里的

并行处理具体使用多线程还是多进程，就我现在测试来看区别不大，毕竟主要瓶颈是在网络链接上。

其实除了上述方法外，在Python里还有一些可能更好的提高性能的方法。例如使用，，等支持更好多线程多进程的工具或python，还可以使用异步IO，例如或者PycURL。不过个人对greenlet不熟，觉得twisted实在太twisted，PycURL不够pythonic，而stackless和pypy怕破坏了其他python程序，因此仍然使用urllib2 + threading方案。当然，因为GIL的问题，python多线程仍然不够快，可是对单线程情况来说，已经有数倍时间的节省了。

Python的小问题

在抓网页的时候，Python暴露出一些小问题。主要是urlopen和urljoin函数的问题。

urlparse模块里的urljoin函数，其功能是将一个相对url，例如../img/mypic.png，加上当前页面的绝对url，例如http://blog.raphaelzhang.com/apk/index.html，转化为一个绝对URL，例如在这个例子里就是http://blog.raphaelzhang.com/img/mypic.png。但是urljoin处理的结果还需要进一步处理，就是去掉多余的..路径，去掉回车换行等特殊符号。代码是这样的：

 

 

1 2 3 4 5 6 7 8

fromurlparseimporturljoin   relurl='../../img/\nmypic.png' absurl='http://blog.raphaelzhang.com/2012/' url=urljoin(absurl,relurl) #url为http://blog.raphaelzhang.com/../img/\nmypic.png url=reduce(lambdar,x:r.replace(x[0],x[1]),[('/../','/'),('\n',''),('\r','')],url) #url为正常的http://blog.raphaelzhang.com/img/mypic.png

 

urlopen函数也有一些问题，它其实对url字符串有自己的要求。首先，你交给urlopen的函数需要自己做汉字等特殊字符的编码工作，使用urllib2的quote函数即可，就像这样：

 

 

1 2 3 4

importurllib2   #此处的url当然是经过了上述urljoin和reduce处理过后的良好的绝对URL了 url=urllib2.quote(url.split('#')[0].encode('utf8'),safe="%/:=&?~#+!$,;'@()*[]")

 

其次，url里面不能有#。因为从理论上来说，#后面的是fragment，是在获取整个文档以后定位用的，而不是用来获取文档用的，但是实际上urlopen应该可以自己做这个事的，却把这个任务留给了开发人员。上面我已经用url.split(‘#’)[0]的方式来处理这个问题了。

最后，Python 2.6和之前的版本不能处理类似http://blog.raphaelzhang.com?id=123这样的url，会导致运行时错误，我们必须手工处理一下，将这种url转化为正常的http://blog.raphaelzhang.com/?id=123这样的url才行，不过这个bug在Python 2.7里面已经解决了。

好了，Python网页抓取的上述问题告一段落了，下面我们还要处理分析网页的问题，留待下文分解。

 

 

httplib实现了HTTP和HTTPS的客户端协议，一般不直接使用，在python更高层的封装模块中（urllib,urllib2）使用了它的http实现。

Code highlighting produced by Actipro CodeHighlighter (freeware)

-->

httplib.HTTPConnection ( host [ , port [ , strict [ , timeout ]]] )

HTTPConnection类的构造函数，表示一次与服务器之间的交互，即请求/响应。参数host表示服务器主机，如：；port为端口号，默认值为80； 参数strict的 默认值为false， 表示在无法解析服务器返回的状态行时( status line) （比较典型的状态行如： HTTP/1.0 200 OK ），是否抛BadStatusLine 异常；可选参数timeout 表示超时时间。

HTTPConnection提供的方法：

Code highlighting produced by Actipro CodeHighlighter (freeware)

-->HTTPConnection.request ( method , url [ , body [ , headers ]] )

调用request 方法会向服务器发送一次请求，method 表示请求的方法，常用有方法有get 和post ；url 表示请求的资源的url ；body 表示提交到服务器的数据，必须是字符串（如果method 是”post” ，则可以把body 理解为html 表单中的数据）；headers 表示请求的http 头。

HTTPConnection.getresponse ()

获取Http 响应。返回的对象是HTTPResponse 的实例，关于HTTPResponse 在下面 会讲解。

HTTPConnection.connect ()

连接到Http 服务器。

HTTPConnection.close ()

关闭与服务器的连接。

HTTPConnection.set_debuglevel ( level )

设置高度的级别。参数level 的默认值为0 ，表示不输出任何调试信息。

httplib.HTTPResponse

HTTPResponse表示服务器对客户端请求的响应。往往通过调用HTTPConnection.getresponse()来创建，它有如下方法和属性：

HTTPResponse.read([amt])

获取响应的消息体。如果请求的是一个普通的网页，那么该方法返回的是页面的html。可选参数amt表示从响应流中读取指定字节的数据。

HTTPResponse.getheader(name[, default])

获取响应头。Name表示头域(header field)名，可选参数default在头域名不存在的情况下作为默认值返回。

HTTPResponse.getheaders()

以列表的形式返回所有的头信息。

HTTPResponse.msg

获取所有的响应头信息。

HTTPResponse.version

获取服务器所使用的http协议版本。11表示http/1.1；10表示http/1.0。

HTTPResponse.status

获取响应的状态码。如：200表示请求成功。

HTTPResponse.reason

返回服务器处理请求的结果说明。一般为”OK”

下面通过一个例子来熟悉HTTPResponse中的方法：

Code highlighting produced by Actipro CodeHighlighter (freeware)

-->import httplib

conn = httplib.HTTPConnection("", 80, False)

conn.request('get', '/', headers = {"Host": "",

"User-Agent": "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.1) Gecko/20090624 Firefox/3.5",

"Accept": "text/plain"})

res = conn.getresponse()

print 'version:', res.version

print 'reason:', res.reason

print 'status:', res.status

print 'msg:', res.msg

print 'headers:', res.getheaders()

#html

#print '\n' + '-' * 50 + '\n'

#print res.read()

conn.close()

Httplib模块中还定义了许多常量，如：

Httplib. HTTP_PORT 的值为80，表示默认的端口号为80；

Httplib.OK 的值为200，表示请求成功返回；

Httplib. NOT_FOUND 的值为404，表示请求的资源不存在；

可以通过httplib.responses 查询相关变量的含义，如：

Print httplib.responses[httplib.NOT_FOUND] #not found

更多关于httplib的信息，请参考Python手册httplib 模块。

urllib 和urllib2实现的功能大同小异，但urllib2要比urllib功能等各方面更高一个层次。目前的HTTP访问大部分都使用urllib2.

urllib2:

Code highlighting produced by Actipro CodeHighlighter (freeware)

-->req = urllib2.Request('')

response = urllib2.urlopen(req)

the_page = response.read()

FTP同样：

Code highlighting produced by Actipro CodeHighlighter (freeware)

-->req = urllib2.Request('ftp://pythoneye.com')

urlopen返回的应答对象response有两个很有用的方法info()和geturl()

geturl — 这个返回获取的真实的URL，这个很有用，因为urlopen(或者opener对象使用的)或许

会有重定向。获取的URL或许跟请求URL不同。

Data数据

有时候你希望发送一些数据到URL

 

前言

最近在编写一个简单的WEB服务器，一个日常的工作就是测试服务器的性能，试用了MS的Web Application Stress，发现它居然不支持除80以外端口的测试，其他的如Loadrunner 太贵而且太大，试用版只支持10个并发用户，我Google到了100个并发用户的许可想试用一下，不过没有安装成功。想想这种压力测试实际上没啥技术含 量，就自己用Python来编写了小段测试代码。

使用Python的原因

毫无疑问，编写这样的代码使用Python最合适，使用C/C++编写有点小题大做，使用C#编写编译又很麻烦，我是使用Editplus来写代码 的，因为要考虑做不同的测试，只能边写边调整，使用Python，下载一个Python的加亮文件，设置User Tool 1 到 Python，运行的时候只需要按Ctrl+1，着实方便的很。

压力测试的实现

压力测试是通过模拟对WEB服务器的访问，进行记录响应时间，计算每秒处理数，记录上传下载的字节数。一般来说，一台测试机器上视机器的性能，发起 50～200的连接，基本就差不多了。考虑到测试机器的负载，一般使用多线程来完成多个WEB请求，幸运的是，Python对所有的这些支持的相当完善。 以下是测试的代码

	# code by 李嘉
# 禁止任何商业目的的转载
# 不对因使用代码产生任何后果负任何责任
# 转载请保留所有声明
import threading, time, httplib, random
# 需要测试的 url 列表，每一次的访问，我们随机取一个
urls = [
	"/test?page=",
	"/test2?orderby=a&page=",
	"/test2?orderby=d&page=",
]
MAX_PAGE = 10000
SERVER_NAME = ""
TEST_COUNT = 10000
# 创建一个 threading.Thread 的派生类
class RequestThread(threading.Thread):
	# 构造函数
	def __init__(self, thread_name):
		threading.Thread.__init__(self)
		self.test_count = 0

	# 线程运行的入口函数
	def run(self):
		# 不直接把代码写在run里面是因为也许我们还要做其他形式的测试
		i = 0
		while i < TEST_COUNT:
			self.test_performace()
			i += 1
		#self.test_other_things()

	def test_performace(self):
		conn = httplib.HTTPConnection(SERVER_NAME)
		# 模拟 Keep-Alive 的访问, HTTP 1.1
		for i in range(0, random.randint(0, 100)):
			# 构造一个 url，提供随机参数的能力
			url = urls[random.randint(0, len(urls) - 1)];
			url += str(random.randint(0, MAX_PAGE))
			# 这就连接到服务器上去
			#print url
			try:
				conn.request("GET", url)
				rsps = conn.getresponse()
				if rsps.status == 200:
					# 读取返回的数据
					data = rsps.read()
				self.test_count += 1
			except:
				continue
			
		conn.close()
		
# main 代码开始

# 开始的时间
start_time = time.time()
threads = []
# 并发的线程数
thread_count = 100 

i = 0
while i < thread_count:
	t = RequestThread("thread" + str(i))
	threads.append(t)
	t.start()
	i += 1
# 接受统计的命令
word = ""
while True:
	word = raw_input("cmd:")
	if word == "s":
		time_span = time.time() - start_time
		all_count = 0
		for t in threads:
			all_count += t.test_count
		print "%s Request/Second" % str(all_count / time_span)
	elif word == "e":
		# 准备退出 其实 X 掉 窗口更加容易，没什么浪费的资源
		TEST_COUNT = 0
		for t in threads:
			t.join(0)
		break  ################################################################

#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""通过 ping 命令找出响应时间最短的 ip 或域名
支持 windows，unix，linux
"""

import re
import os
import subprocess
import sys

def ping(host):
"""返回 ping 结果

host 参数应为字符串类型的 ip 或域名
'192.168.1.1' or ''

返回 host, ip, time, lost
host：域名或 ip，字符串类型
ip：ip 地址，字符串类型，默认值为'0.0.0.0'
time：平均响应时间（ms），int 类型，默认值为0
lost：平均丢包率（%），int 类型，默认值为0

返回值示例：
('baidu.com', '123.125.114.144', 70, 0)
"""
os_name = os.name
# 根据系统平台设置 ping 命令
if os_name == 'nt': # windows
cmd = 'ping ' + host
else: # unix/linux
cmd = 'ping -c 4 ' + host

# 执行 ping 命令
sub = subprocess.Popen(cmd, stdout=subprocess.PIPE,
stderr=subprocess.PIPE, shell=True)
out = sub.communicate()[0]
if not out:
return host, '0.0.0.0', 0, 100

# 替换换行符，因为在正则表达式中
# 'a$' 匹配 'a\r\n' 中的 'a\r'
text = out.replace('\r\n', '\n').replace('\r', '\n')

# 使用正则匹配 ip 地址: [192.168.1.1] (192.168.1.1)
ip = re.findall(r'(?<=\(|\[)\d+\.\d+\.\d+\.\d+(?=\)|\])', text)

# 获取时间信息
if os_name == 'nt':
time = re.findall(r'\d+(?=ms$)', text)
else:
time = re.findall(r'(?<=\d/)[\d\.]+(?=/)', text)

# 丢包率
lost = re.findall(r'\d+(?=%)', text)

ip = ip[0] if ip else '0.0.0.0'

# 小数点四舍五入
time = int(round(float(time[0]))) if time else 0
lost = int(round(float(lost[0]))) if lost else 0

return host, ip, time, lost

def get_hosts(filename):
"""从文件中读取 ip/域名
返回 ip/域名 列表，默认值为空
"""
hosts = []
with open(filename) as f:
for line in f:
line = line.strip().strip('.,/')
if line:
hosts.append(line)
return hosts

if __name__ == '__main__':
# 处理命令行参数
argvs = sys.argv
leng = len(argvs)
hosts = []
filename = 'hosts.txt'
add = False
ips = []

# 如果包含命令参数
if leng >= 2:
name = argvs[1]

# 第一个参数是个文件
if os.path.isfile(name):
filename = name

if leng > 2:
# 第二个参数是 +
if argvs[2] == '+':
add = True
ips = argvs[3:]
else:
ips = argvs[2:]
else:
if name == '+':
add = True
ips = argvs[2:]
else:
ips = argvs[1:]
# 处理 ip/域名参数
if ips:
for s in ips:
name = s.strip('.,/')
name = re.sub(r'https?://', '', name)
hosts.append(name)

# 既没有 ip/域名参数，也没有文件参数同时默认文件也不存在
if not hosts and not os.path.isfile(filename):
sys.exit('No ip/host or the file("%s") not existed!' % (filename))

if not hosts: # 如果没有参数，使用默认文件
# 移除重复项
hosts = list(set(get_hosts(filename)))
else:
hosts = list(set(hosts))
# 如果包含 + 参数，合并 ip/域名信息
if add:
hosts = list(set(get_hosts(filename) + hosts))

if not hosts: # 如果最终都没获取到 ip/域名 信息
sys.exit('Not find ip/host')

result_time = {}

print '#' * 55
# 固定字符串长度
print 'host(ip)'.rjust(33), 'time'.rjust(8), 'lost'.rjust(8)

for x in hosts:
host, ip, time, lost = ping(x)
result_time.update({host: time})
if time == 0:
lost = 100
print ('%s(%s): ' % (host, ip)).rjust(35),\
('% 3sms' % (time)).rjust(6),\
('% 2s%%' % (lost)).rjust(8)

times = sorted(result_time.itervalues())
# 去除 time 为0的
times = [i for i in times[:] if i]

print '#' * 55
if times:
for k, v in result_time.iteritems():
if v == times[0]:
print '%s has min ping time: %s ms' % (k, v)


转自：http://www.cnblogs.com/taosim/articles/3134405.html