Python爬蟲 URLError異常處理


1.URLError


 

首先解釋下URLError可能產生的原因:

  • 網絡無連接,即本機無法上網
  • 連接不到特定的服務器
  • 服務器不存在

在代碼中,我們需要用try-except語句來包圍並捕獲相應的異常。下面是一個例子,先感受下:

 1 #coding:UTF8
 2 
 3 import urllib2  4 
 5 request = urllib2.Request('http://www.!!!!.com')  6 
 7 try:  8  urllib2.urlopen(request)  9 except urllib2.URLError,e: 10     print e.reason

利用了 urlopen方法訪問了一個不存在的網址,運行結果如下:

[Errno 11004] getaddrinfo failed

它說明了錯誤代號是11004,錯誤原因是 getaddrinfo failed

2.HTTPError


 

HTTPError是URLError的子類,在你利用urlopen方法發出一個請求時,服務器上都會對應一個應答對象response,其中它包含一個數字”狀態碼”。舉個例子,假如response是一個”重定向”,需定位到別的地址獲取文檔,urllib2將對此進行處理。

其他不能處理的,urlopen會產生一個HTTPError,對應相應的狀態嗎,HTTP狀態碼表示HTTP協議所返回的響應的狀態。下面將狀態碼歸結如下:

 1 100:繼續 客戶端應當繼續發送請求。客戶端應當繼續發送請求的剩余部分,或者如果請求已經完成,忽略這個響應。  2 101: 轉換協議 在發送完這個響應最后的空行后,服務器將會切換到在Upgrade 消息頭中定義的那些協議。只有在切換新的協議更有好處的時候才應該采取類似措施。  3 102:繼續處理   由WebDAV(RFC 2518)擴展的狀態碼,代表處理將被繼續執行。  4 200:請求成功 處理方式:獲得響應的內容,進行處理  5 201:請求完成,結果是創建了新資源。新創建資源的URI可在響應的實體中得到 處理方式:爬蟲中不會遇到  6 202:請求被接受,但處理尚未完成 處理方式:阻塞等待  7 204:服務器端已經實現了請求,但是沒有返回新的信 息。如果客戶是用戶代理,則無須為此更新自身的文檔視圖。 處理方式:丟棄  8 300:該狀態碼不被HTTP/1.0的應用程序直接使用, 只是作為3XX類型回應的默認解釋。存在多個可用的被請求資源。 處理方式:若程序中能夠處理,則進行進一步處理,如果程序中不能處理,則丟棄  9 301:請求到的資源都會分配一個永久的URL,這樣就可以在將來通過該URL來訪問此資源 處理方式:重定向到分配的URL 10 302:請求到的資源在一個不同的URL處臨時保存 處理方式:重定向到臨時的URL 11 304:請求的資源未更新 處理方式:丟棄 12 400:非法請求 處理方式:丟棄 13 401:未授權 處理方式:丟棄 14 403:禁止 處理方式:丟棄 15 404:沒有找到 處理方式:丟棄 16 500:服務器內部錯誤 服務器遇到了一個未曾預料的狀況,導致了它無法完成對請求的處理。一般來說,這個問題都會在服務器端的源代碼出現錯誤時出現。 17 501:服務器無法識別 服務器不支持當前請求所需要的某個功能。當服務器無法識別請求的方法,並且無法支持其對任何資源的請求。 18 502:錯誤網關 作為網關或者代理工作的服務器嘗試執行請求時,從上游服務器接收到無效的響應。 19 503:服務出錯   由於臨時的服務器維護或者過載,服務器當前無法處理請求。這個狀況是臨時的,並且將在一段時間以后恢復。

HTTPError實例產生后會有一個code屬性,這就是是服務器發送的相關錯誤號。
因為urllib2可以為你處理重定向,也就是3開頭的代號可以被處理,並且100-299范圍的號碼指示成功,所以你只能看到400-599的錯誤號碼。

下面寫一個例子來感受一下,捕獲的異常是HTTPError,它會帶有一個code屬性,就是錯誤代號,另外我們又打印了reason屬性,這是它的父類URLError的屬性。

 1 #coding:UTF8
 2 
 3 import urllib2
 4 
 5 request = urllib2.Request('http://www.blog.com/cqcre')
 6 
 7 try:
 8     urllib2.urlopen(request)
 9 except urllib2.HTTPError,e:
10     print e.code
11     print e.reason

運行結果如下:

502
Bad Gateway

錯誤代碼是502,錯誤原因是‘錯誤網關’

我們知道,HTTPError的父類是URLError,根據編程經驗,父類的異常應當寫到子類異常的后面,如果子類捕獲不到,那么可以捕獲父類的異常,所以上述的代碼可以這么改寫

 1 #coding:UTF8
 2 
 3 import urllib2
 4 
 5 request = urllib2.Request('http://blog.csdn.com/cqcre')
 6 
 7 try:
 8     urllib2.urlopen(request)
 9 except urllib2.HTTPError,e:
10     print e.code
11 except urllib2.URLError,e:
12     print e.reason
13 else:
14     print 'OK'

如果捕獲到了HTTPError,則輸出code,不會再處理URLError異常。如果發生的不是HTTPError,則會去捕獲URLError異常,輸出錯誤原因。

另外還可以加入 hasattr屬性提前對屬性進行判斷,代碼改寫如下:

 1 #coding:UTF8
 2 
 3 import urllib2
 4 
 5 request = urllib2.Request('http://blog.csdn.com/cqcre')
 6 
 7 try:
 8     urllib2.urlopen(request)
 9 except urllib2.URLError,e:
10     if hasattr(e, 'reason'):
11         print e.reason
12 else:
13     print 'OK'

首先對異常的屬性進行判斷,以免出現屬性輸出報錯的現象。


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM