快捷導(dǎo)航

玩轉(zhuǎn)python爬蟲之URLError異常處理

更新時(shí)間：2016年02月17日 15:14:01 作者：崔慶才

這篇文章主要介紹了python爬蟲的URLError異常處理，詳細(xì)探尋一下URL\HTTP異常處理的相關(guān)內(nèi)容，通過一些具體的實(shí)例來分析一下，非常的簡單，但是卻很實(shí)用，感興趣的小伙伴們可以參考一下

本節(jié)在這里主要說的是URLError還有HTTPError，以及對(duì)它們的一些處理。

1.URLError

首先解釋下URLError可能產(chǎn)生的原因：

網(wǎng)絡(luò)無連接，即本機(jī)無法上網(wǎng)
連接不到特定的服務(wù)器
服務(wù)器不存在

在代碼中，我們需要用try-except語句來包圍并捕獲相應(yīng)的異常。下面是一個(gè)例子，先感受下它的風(fēng)騷

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

我們利用了 urlopen方法訪問了一個(gè)不存在的網(wǎng)址，運(yùn)行結(jié)果如下：

[Errno 11004] getaddrinfo failed

它說明了錯(cuò)誤代號(hào)是11004，錯(cuò)誤原因是 getaddrinfo failed

2.HTTPError

HTTPError是URLError的子類，在你利用urlopen方法發(fā)出一個(gè)請(qǐng)求時(shí)，服務(wù)器上都會(huì)對(duì)應(yīng)一個(gè)應(yīng)答對(duì)象response，其中它包含一個(gè)數(shù)字”狀態(tài)碼”。舉個(gè)例子，假如response是一個(gè)”重定向”，需定位到別的地址獲取文檔，urllib2將對(duì)此進(jìn)行處理。

其他不能處理的，urlopen會(huì)產(chǎn)生一個(gè)HTTPError，對(duì)應(yīng)相應(yīng)的狀態(tài)嗎，HTTP狀態(tài)碼表示HTTP協(xié)議所返回的響應(yīng)的狀態(tài)。下面將狀態(tài)碼歸結(jié)如下：

100：繼續(xù) 客戶端應(yīng)當(dāng)繼續(xù)發(fā)送請(qǐng)求?？蛻舳藨?yīng)當(dāng)繼續(xù)發(fā)送請(qǐng)求的剩余部分，或者如果請(qǐng)求已經(jīng)完成，忽略這個(gè)響應(yīng)。
101：轉(zhuǎn)換協(xié)議在發(fā)送完這個(gè)響應(yīng)最后的空行后，服務(wù)器將會(huì)切換到在Upgrade 消息頭中定義的那些協(xié)議。只有在切換新的協(xié)議更有好處的時(shí)候才應(yīng)該采取類似措施。
102：繼續(xù)處理由WebDAV（RFC 2518）擴(kuò)展的狀態(tài)碼，代表處理將被繼續(xù)執(zhí)行。
200：請(qǐng)求成功處理方式：獲得響應(yīng)的內(nèi)容，進(jìn)行處理
201：請(qǐng)求完成，結(jié)果是創(chuàng)建了新資源。新創(chuàng)建資源的URI可在響應(yīng)的實(shí)體中得到處理方式：爬蟲中不會(huì)遇到
202：請(qǐng)求被接受，但處理尚未完成處理方式：阻塞等待
204：服務(wù)器端已經(jīng)實(shí)現(xiàn)了請(qǐng)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
300：該狀態(tài)碼不被HTTP/1.0的應(yīng)用程序直接使用，只是作為3XX類型回應(yīng)的默認(rèn)解釋。存在多個(gè)可用的被請(qǐng)求資源。處理方式：若程序中能夠處理，則進(jìn)行進(jìn)一步處理，如果程序中不能處理，則丟棄
301：請(qǐng)求到的資源都會(huì)分配一個(gè)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
302：請(qǐng)求到的資源在一個(gè)不同的URL處臨時(shí)保存處理方式：重定向到臨時(shí)的URL
304：請(qǐng)求的資源未更新處理方式：丟棄
400：非法請(qǐng)求處理方式：丟棄
401：未授權(quán) 處理方式：丟棄
403：禁止處理方式：丟棄
404：沒有找到處理方式：丟棄
500：服務(wù)器內(nèi)部錯(cuò)誤服務(wù)器遇到了一個(gè)未曾預(yù)料的狀況，導(dǎo)致了它無法完成對(duì)請(qǐng)求的處理。一般來說，這個(gè)問題都會(huì)在服務(wù)器端的源代碼出現(xiàn)錯(cuò)誤時(shí)出現(xiàn)。
501：服務(wù)器無法識(shí)別服務(wù)器不支持當(dāng)前請(qǐng)求所需要的某個(gè)功能。當(dāng)服務(wù)器無法識(shí)別請(qǐng)求的方法，并且無法支持其對(duì)任何資源的請(qǐng)求。
502：錯(cuò)誤網(wǎng)關(guān) 作為網(wǎng)關(guān)或者代理工作的服務(wù)器嘗試執(zhí)行請(qǐng)求時(shí)，從上游服務(wù)器接收到無效的響應(yīng)。
503：服務(wù)出錯(cuò) 由于臨時(shí)的服務(wù)器維護(hù)或者過載，服務(wù)器當(dāng)前無法處理請(qǐng)求。這個(gè)狀況是臨時(shí)的，并且將在一段時(shí)間以后恢復(fù)。

HTTPError實(shí)例產(chǎn)生后會(huì)有一個(gè)code屬性，這就是是服務(wù)器發(fā)送的相關(guān)錯(cuò)誤號(hào)。
因?yàn)閡rllib2可以為你處理重定向，也就是3開頭的代號(hào)可以被處理，并且100-299范圍的號(hào)碼指示成功，所以你只能看到400-599的錯(cuò)誤號(hào)碼。

下面我們寫一個(gè)例子來感受一下，捕獲的異常是HTTPError，它會(huì)帶有一個(gè)code屬性，就是錯(cuò)誤代號(hào)，另外我們又打印了reason屬性，這是它的父類URLError的屬性。

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

運(yùn)行結(jié)果如下

403
Forbidden

錯(cuò)誤代號(hào)是403，錯(cuò)誤原因是Forbidden，說明服務(wù)器禁止訪問。

我們知道，HTTPError的父類是URLError，根據(jù)編程經(jīng)驗(yàn)，父類的異常應(yīng)當(dāng)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

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"

如果捕獲到了HTTPError，則輸出code，不會(huì)再處理URLError異常。如果發(fā)生的不是HTTPError，則會(huì)去捕獲URLError異常，輸出錯(cuò)誤原因。

另外還可以加入 hasattr屬性提前對(duì)屬性進(jìn)行判斷，代碼改寫如下

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"

首先對(duì)異常的屬性進(jìn)行判斷，以免出現(xiàn)屬性輸出報(bào)錯(cuò)的現(xiàn)象。

以上，就是對(duì)URLError和HTTPError的相關(guān)介紹，以及相應(yīng)的錯(cuò)誤處理辦法

您可能感興趣的文章: