美文网首页大数据 爬虫Python AI Sql码农的世界互联网科技
【Python】Python3网络爬虫实战-21、使用Urlli

【Python】Python3网络爬虫实战-21、使用Urlli

作者: IT派森 | 来源:发表于2019-07-29 16:23 被阅读2次

    在前面一节我们了解了 Request 的发送过程,但是在网络情况不好的情况下,出现了异常怎么办呢?这时如果我们不处理这些异常,程序很可能报错而终止运行,所以异常处理还是十分有必要的。

    Urllib 的 error 模块定义了由 request 模块产生的异常。如果出现了问题,request 模块便会抛出 error 模块中定义的异常,本节会对其进行详细的介绍。

    1. URLError

    URLError 类来自 Urllib 库的 error 模块,它继承自 OSError 类,是 error 异常模块的基类,由 request 模块生的异常都可以通过捕获这个类来处理。

    它具有一个属性 reason,即返回错误的原因。

    下面用一个实例来感受一下:

    from urllib import request, error
    try:
        response = request.urlopen('http://cuiqingcai.com/index.htm')
    except error.URLError as e:
        print(e.reason)
    

    我们打开一个不存在的页面,照理来说应该会报错,但是这时我们捕获了 URLError 这个异常,运行结果如下:

    Not Found
    Python资源分享qun 784758214 ,内有安装包,PDF,学习视频,这里是Python学习者的聚集地,零基础,进阶,都欢迎
    

    程序没有直接报错,而是输出了如上内容,这样通过如上操作,我们就可以避免程序异常终止,同时异常得到了有效处理。

    2. HTTPError

    它是 URLError 的子类,专门用来处理 HTTP 请求错误,比如认证请求失败等等。

    它有三个属性。

    • code,返回 HTTP Status Code,即状态码,比如 404 网页不存在,500 服务器内部错误等等。
    • reason,同父类一样,返回错误的原因。
    • headers,返回 Request Headers。

    下面我们来用几个实例感受一下:

    from urllib import request,error
    try:
        response = request.urlopen('http://cuiqingcai.com/index.htm')
    except error.HTTPError as e:
        print(e.reason, e.code, e.headers, sep='\n')
    

    运行结果:

    Not Found
    404
    Date: Mon, 17 Jun 2019 04:52:50 GMT
    Content-Type: text/html; charset=utf-8
    Transfer-Encoding: chunked
    Connection: close
    Vary: Accept-Encoding
    Status: 404 Not Found
    Cache-Control: no-cache
    Strict-Transport-Security: max-age=31536000
    X-XSS-Protection: 1; mode=block
    X-Request-Id: e65fb029-a4fd-46e2-91c3-9616ccc2f879
    X-Runtime: 0.006814
    X-Frame-Options: SAMEORIGIN
    X-Content-Type-Options: nosniff
    X-Powered-By: Phusion Passenger 6.0.2
    Server: nginx + Phusion Passenger 6.0.2
    

    依然是同样的网址,在这里我们捕获了 HTTPError 异常,输出了 reason、code、headers 属性。

    因为 URLError 是 HTTPError 的父类,所以我们可以先选择捕获子类的错误,再去捕获父类的错误,所以上述代码更好的写法如下:

    from urllib import request, error
    
    try:
        response = request.urlopen('http://cuiqingcai.com/index.htm')
    except error.HTTPError as e:
        print(e.reason, e.code, e.headers, sep='\n')
    except error.URLError as e:
        print(e.reason)
    else:
        print('Request Successfully')
    

    这样我们就可以做到先捕获 HTTPError,获取它的错误状态码、原因、Headers 等详细信息。如果非 HTTPError,再捕获 URLError 异常,输出错误原因。最后用 else 来处理正常的逻辑,这是一个较好的异常处理写法。

    有时候 reason 属性返回的不一定是字符串,也可能是一个对象,我们再看下面的实例:

    import socket
    import urllib.request
    import urllib.error
    
    try:
        response = urllib.request.urlopen('https://www.baidu.com', timeout=0.01)
    except urllib.error.URLError as e:
        print(type(e.reason))
        if isinstance(e.reason, socket.timeout):
            print('TIME OUT')
    

    在这里我们直接设置了超时时间来强制抛出 timeout 异常。

    运行结果如下:

    <class 'socket.timeout'>
    TIME OUT
    Python资源分享qun 784758214 ,内有安装包,PDF,学习视频,这里是Python学习者的聚集地,零基础,进阶,都欢迎
    

    可以发现 reason 属性的结果是 socket.timeout 类。所以在这里我们可以用 isinstance() 方法来判断它的类型,做出更详细的异常判断。

    3. 结语

    本节讲述了 error 模块的相关用法,通过合理地捕获异常可以做出更准确的异常判断,使得程序更佳稳健。

    相关文章

      网友评论

        本文标题:【Python】Python3网络爬虫实战-21、使用Urlli

        本文链接:https://www.haomeiwen.com/subject/avkdrctx.html