Python 解析har 文件将域名分类导出

前言

作为程序员平时主要是使用 shadowsocks 作为代理工具的。shadowsocks 有个很明显的优点儿就是可以设置白名单和黑名单。白名单是会走shadowsocks的自动代理模式。

遇到的问题：

shadowsocks 代理是分白名单和黑名单的。当我访问某个网站，而恰好这个网站的域名和静态文件域名都在白名单里，访问这个网站的http请求就会自动走代理模式；

如果访问某个网站的域名没有在白名单里，就需要手动设置全局代理模式；这有一个缺点就是电脑的所有的网络访问都会走代理，如果这个时候访问国内的网站，就会很慢或者是打不开。

最好的办法就是编辑shadowsocks的.ShadowsocksX/gfwlist.js文件。将没办法走自动代理模式的域名添加到这个文件里面。但是一个网站的在显示完全，需要访问的域名不止一个，那么手动添加就会很麻烦。那么可不可以使用程序来实现呢？

需求分析：

将网站的所有请求访问的域名分类导出；
可以导出为.txt的文件，也可以直接打印在控制台；

怎么将所有的网络请求导出

1.打开chrome的开发者模式，并且将shadowsocks 设置为全局代理模式访问自动代理模式无法访问的网站；

2.在chrome的network面板，右键导出 har文件，保存到自己想要的位置；

如下图：

程序怎么运行：

按照提示运行程序：

运行效果展示：

代码分析：

因为 har 文件的内容就是一个json格式文件。所以就是读取文件的内容，并且将文件内容转化为json，将所有的请求的url分类写入一个数组，最后选择方式输出；

python主要代码如下：

with open(filePath, 'r') as readObj:harDirct = json.loads(readObj.read())requestList = harDirct['log']['entries']for item in requestList:urlString = (item['request']['url'])start = urlString.index('://')tempStr = urlString[start + 3:]end = tempStr.index('/')resultStr = tempStr[:end]# 判断是否是www开头的域名if 'www' in resultStr:resultStr = resultStr[4:]if resultStr not in hostList:hostList.append(resultStr)if str(outputType) is '1':with open(outputPath, 'w') as ff:for item in hostList:ff.write('"' + item + '",' + '\n')else:print '=============host start=============='for item in hostList:print '"' + item + '",'print '=============host end================'