python爬虫之urlError异常处理

1.URLError

URLError产生的原因：

(1)网络无连接，即本机无法上网

(2)连接不到特定的服务器

(3)服务器不存在

import urllib.request
import urllib.error
from urllib.request import urlopen
request=urllib.request.Request('http://www.xxxxxx.com')
try:
    urllib.request.urlopen(request)
except urllib.error.URLError as e:
    print(e.reason)

D:Anaconda3python.exe D:/dazhongdianping/position.py
[Errno 11004] getaddrinfo failed

运行结果表明了错误带还是11004，错误原因是getaddrinfo failed

编写过程中产生的错误：首先要导入库文件，其次一定要注意python2和3 的区别

1.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，其中他包含一个数字“状态码”，例如response是一个重定向，需定位到别的地址获取文档，urllib将对此进行处理。

其他不能处理的，URLopen会产生一个HTTPError，对应相应的状态码，HTTP状态码表示HTTP协议所返回的响应的状态。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，这就是服务器发送的相关错误号。因为urllib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 urllib.request
import urllib.error
from urllib.request import urlopen
request=urllib.request.Request('http://blog.csdn.net/cqcre')
try:
    urllib.request.urlopen(request)
except urllib.error.HTTPError as e:
    print(e.code)
    print(e.reason)

D:Anaconda3python.exe D:/dazhongdianping/position.py
403
Forbidden

结果分析：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，弗雷德异常应当写到子类异常的后面，如果子类捕获不到，那么就可以捕获父类的异常

import urllib.request
import urllib.error
from urllib.request import urlopen
request=urllib.request.Request('http://blog.csdn.net/cqcre')
try:
    urllib.request.urlopen(request)
except urllib.error.HTTPError as e:
    print(e.code)
except urllib.error.URLError as e:
    print(e.reason)
else:
    print('OK')

结果：
403

如果补货到了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 urllib.request
import urllib.error
from urllib.request import urlopen
request=urllib.request.Request('http://blog.csdn.net/cqcre')
try:
    urllib.request.urlopen(request)
except urllib.error.URLError as e:
    if hasattr(e,'reason'):
        print(e.reason)
else:
    print('OK')

首先对异常进行判断，以免出现属性输出报错的现象

部分内容转载自：静觅 » Python爬虫入门五之URLError异常处理