habraproxy.py

import requests
import BaseHTTPServer
import re
import HTMLParser

base_url = 'http://habrahabr.ru'
port = 4000


class TradeMarker(HTMLParser.HTMLParser):
    tm_html = u''
    last_tag = ''

    def handle_starttag(self, tag, attrs):
        self.tm_html = self.tm_html + '<' + tag
        self.last_tag = tag
        for k, v in attrs:
            self.tm_html = self.tm_html + \
                u" {}='{}'".format(k, v)\
                .replace(base_url, 'http://localhost:' + str(port))
        self.tm_html = self.tm_html + '>'
        HTMLParser.HTMLParser.handle_starttag(self, tag, attrs)

    def handle_endtag(self, tag):
        self.tm_html = self.tm_html + '</' + tag + '>'
        HTMLParser.HTMLParser.handle_endtag(self, tag)

    def handle_data(self, data):
        if self.last_tag not in ['script', 'meta', 'object']:
            self.tm_html = self.tm_html + \
                re.sub(r'([^\w]+|^)([\w]{6})([^\w]+|$)',
                       u'\\1\\2\u2122\\3',
                       data, flags=re.UNICODE)
        else:
            self.tm_html = self.tm_html + data
        HTMLParser.HTMLParser.handle_data(self, data)

    def __init__(self):
        self.tm_html = u''
        HTMLParser.HTMLParser.__init__(self)


class HabraProxy(BaseHTTPServer.BaseHTTPRequestHandler):
    'Simple habraproxy'
    def do_HEAD(self):
        self.send_response(200)
        self.send_header("Content-type", "text/html")
        self.end_headers()

    def do_GET(self):
        r = requests.get(base_url + self.path)
        self.send_response(r.status_code)
        self.send_header("Content-type", r.headers['content-type'])
        self.end_headers()
        if(r.headers['content-type'][:9].lower() == 'text/html'):
            parser = TradeMarker()
            parser.feed(r.text)
            self.wfile.write(parser.tm_html.encode('utf-8'))
        else:
            self.wfile.write(r.text.encode('utf-8'))

if __name__ == '__main__':
    server_class = BaseHTTPServer.HTTPServer
    httpd = server_class(('localhost', port), HabraProxy)
    httpd.serve_forever()

Сделал добавление (tm) только внутри правильных тегов, чтобы страница нормально открывалась с картинками и скриптами и ссылки тоже вели на прокси, а не уводили на хабр.