玩转python爬虫之URLError异常处理


Posted in Python onFebruary 17, 2016

本节在这里主要说的是URLError还有HTTPError,以及对它们的一些处理。

1.URLError

首先解释下URLError可能产生的原因:

  • 网络无连接,即本机无法上网
  • 连接不到特定的服务器
  • 服务器不存在

在代码中,我们需要用try-except语句来包围并捕获相应的异常。下面是一个例子,先感受下它的风骚

import urllib2
 
requset = urllib2.Request('http://www.xxxxx.com')
try:
  urllib2.urlopen(requset)
except urllib2.URLError, e:
  print e.reason

我们利用了 urlopen方法访问了一个不存在的网址,运行结果如下:

[Errno 11004] getaddrinfo failed

它说明了错误代号是11004,错误原因是 getaddrinfo failed

2.HTTPError

HTTPError是URLError的子类,在你利用urlopen方法发出一个请求时,服务器上都会对应一个应答对象response,其中它包含一个数字”状态码”。举个例子,假如response是一个”重定向”,需定位到别的地址获取文档,urllib2将对此进行处理。

其他不能处理的,urlopen会产生一个HTTPError,对应相应的状态吗,HTTP状态码表示HTTP协议所返回的响应的状态。下面将状态码归结如下:

  • 100:继续  客户端应当继续发送请求。客户端应当继续发送请求的剩余部分,或者如果请求已经完成,忽略这个响应。
  • 101: 转换协议  在发送完这个响应最后的空行后,服务器将会切换到在Upgrade 消息头中定义的那些协议。只有在切换新的协议更有好处的时候才应该采取类似措施。
  • 102:继续处理   由WebDAV(RFC 2518)扩展的状态码,代表处理将被继续执行。
  • 200:请求成功      处理方式:获得响应的内容,进行处理
  • 201:请求完成,结果是创建了新资源。新创建资源的URI可在响应的实体中得到    处理方式:爬虫中不会遇到
  • 202:请求被接受,但处理尚未完成    处理方式:阻塞等待
  • 204:服务器端已经实现了请求,但是没有返回新的信 息。如果客户是用户代理,则无须为此更新自身的文档视图。    处理方式:丢弃
  • 300:该状态码不被HTTP/1.0的应用程序直接使用, 只是作为3XX类型回应的默认解释。存在多个可用的被请求资源。    处理方式:若程序中能够处理,则进行进一步处理,如果程序中不能处理,则丢弃
  • 301:请求到的资源都会分配一个永久的URL,这样就可以在将来通过该URL来访问此资源    处理方式:重定向到分配的URL
  • 302:请求到的资源在一个不同的URL处临时保存     处理方式:重定向到临时的URL
  • 304:请求的资源未更新     处理方式:丢弃
  • 400:非法请求     处理方式:丢弃
  • 401:未授权     处理方式:丢弃
  • 403:禁止     处理方式:丢弃
  • 404:没有找到     处理方式:丢弃
  • 500:服务器内部错误  服务器遇到了一个未曾预料的状况,导致了它无法完成对请求的处理。一般来说,这个问题都会在服务器端的源代码出现错误时出现。
  • 501:服务器无法识别  服务器不支持当前请求所需要的某个功能。当服务器无法识别请求的方法,并且无法支持其对任何资源的请求。
  • 502:错误网关  作为网关或者代理工作的服务器尝试执行请求时,从上游服务器接收到无效的响应。
  • 503:服务出错   由于临时的服务器维护或者过载,服务器当前无法处理请求。这个状况是临时的,并且将在一段时间以后恢复。

HTTPError实例产生后会有一个code属性,这就是是服务器发送的相关错误号。
因为urllib2可以为你处理重定向,也就是3开头的代号可以被处理,并且100-299范围的号码指示成功,所以你只能看到400-599的错误号码。

下面我们写一个例子来感受一下,捕获的异常是HTTPError,它会带有一个code属性,就是错误代号,另外我们又打印了reason属性,这是它的父类URLError的属性。

import urllib2
 
req = urllib2.Request('http://blog.csdn.net/cqcre')
try:
  urllib2.urlopen(req)
except urllib2.HTTPError, e:
  print e.code
  print e.reason

运行结果如下

403
Forbidden

错误代号是403,错误原因是Forbidden,说明服务器禁止访问。

我们知道,HTTPError的父类是URLError,根据编程经验,父类的异常应当写到子类异常的后面,如果子类捕获不到,那么可以捕获父类的异常,所以上述的代码可以这么改写

import urllib2
 
req = urllib2.Request('http://blog.csdn.net/cqcre')
try:
  urllib2.urlopen(req)
except urllib2.HTTPError, e:
  print e.code
except urllib2.URLError, e:
  print e.reason
else:
  print "OK"

如果捕获到了HTTPError,则输出code,不会再处理URLError异常。如果发生的不是HTTPError,则会去捕获URLError异常,输出错误原因。

另外还可以加入 hasattr属性提前对属性进行判断,代码改写如下

import urllib2
 
req = urllib2.Request('http://blog.csdn.net/cqcre')
try:
  urllib2.urlopen(req)
except urllib2.URLError, e:
  if hasattr(e,"code"):
    print e.code
  if hasattr(e,"reason"):
    print e.reason
else:
  print "OK"

首先对异常的属性进行判断,以免出现属性输出报错的现象。

以上,就是对URLError和HTTPError的相关介绍,以及相应的错误处理办法

Python 相关文章推荐
Python实现约瑟夫环问题的方法
May 03 Python
老生常谈Python startswith()函数与endswith函数
Sep 08 Python
python OpenCV学习笔记实现二维直方图
Feb 08 Python
对Pandas MultiIndex(多重索引)详解
Nov 16 Python
python最小生成树kruskal与prim算法详解
Jan 17 Python
详解Python使用Plotly绘图工具,绘制甘特图
Apr 02 Python
详解Django模版中加载静态文件配置方法
Jul 21 Python
python两个_多个字典合并相加的实例代码
Dec 26 Python
python文件和文件夹复制函数
Feb 07 Python
使用Python获取当前工作目录和执行命令的位置
Mar 09 Python
详解Python利用configparser对配置文件进行读写操作
Nov 03 Python
Python读取和写入Excel数据
Apr 20 Python
玩转python爬虫之cookie使用方法
Feb 17 #Python
Python 爬虫爬取指定博客的所有文章
Feb 17 #Python
Using Django with GAE Python 后台抓取多个网站的页面全文
Feb 17 #Python
python实现RSA加密(解密)算法
Feb 17 #Python
使用python实现rsa算法代码
Feb 17 #Python
Python的GUI框架PySide的安装配置教程
Feb 16 #Python
Python实现快速排序和插入排序算法及自定义排序的示例
Feb 16 #Python
You might like
2.PHP入门
2006/10/09 PHP
php foreach、while性能比较
2009/10/15 PHP
php批量缩放图片的代码[ini参数控制]
2011/02/11 PHP
php微信开发之百度天气预报
2016/11/18 PHP
PHP使用PDO访问oracle数据库的步骤详解
2017/09/29 PHP
Laravel 实现关系模型取出需要的字段
2019/10/10 PHP
jQuery调用AJAX时Get和post公用的乱码解决方法实例说明
2013/06/04 Javascript
非html5实现js版弹球游戏示例代码
2013/09/22 Javascript
5款JavaScript代码压缩工具推荐
2014/07/07 Javascript
JavaScript实现从数组中选出和等于固定值的n个数
2014/09/03 Javascript
JavaScript位置与大小(1)之正确理解和运用与尺寸大小相关的DOM属性
2015/12/26 Javascript
使用plupload自定义参数实现多文件上传
2016/07/19 Javascript
javascript实现多张图片左右无缝滚动效果
2017/03/22 Javascript
jQuery获取table下某一行某一列的值实现代码
2017/04/07 jQuery
js实现文章目录索引导航(table of content)
2020/05/10 Javascript
详解为什么Vue中的v-if和v-for不建议一起用
2021/01/13 Vue.js
Python机器学习之决策树算法
2017/12/22 Python
python3下载抖音视频的完整代码
2019/06/05 Python
Django 数据库同步操作技巧详解
2019/07/19 Python
利用 Flask 动态展示 Pyecharts 图表数据方法小结
2019/09/04 Python
Django实现auth模块下的登录注册与注销功能
2019/10/10 Python
python计算二维矩形IOU实例
2020/01/18 Python
使用celery和Django处理异步任务的流程分析
2020/02/19 Python
Python通过Pillow实现图片对比
2020/04/29 Python
利用Python实现Json序列化库的方法步骤
2020/09/09 Python
如何在scrapy中集成selenium爬取网页的方法
2020/11/18 Python
css3进阶之less实现星空动画的示例代码
2019/09/10 HTML / CSS
阿里巴巴美国:Alibaba美国
2019/11/24 全球购物
在SQL Server中创建数据库主要有那种方式
2013/09/10 面试题
汽车运用工程毕业生自荐信
2013/10/29 职场文书
科技节口号
2014/06/19 职场文书
2014社区健康教育工作总结
2014/12/16 职场文书
2015年端午节国旗下演讲稿
2015/03/19 职场文书
2015年节能减排工作总结
2015/05/14 职场文书
小学四年级班主任工作经验交流材料
2015/11/02 职场文书
vue数据字典取键值项目的字典问题
2022/04/12 Vue.js