【Python3 爬蟲】03_urllib.error異常處理

標籤：不同   文檔   對象   div   進一步   上網   ade   inline   阻塞   

urllib.error可以接受來自urllib.request產生的異常。urllib.error有兩個方法：①URLError ②HTTPError

URLError

URLError產生的原因

①網路無串連，即本機無法上網

②串連不到特定的伺服器

③伺服器不存在

運行結果表明：連線逾時

HTTPError

HTTPError是URLError的子類，在你利用URLopen方法發出一個請求時，伺服器上都會對應一個應答對象response，其中他包含一個數字“狀態代碼”，例如response是一個重新導向，需定位到別的地址擷取文檔，urllib將對此進行處理。

其他不能處理的，URLopen會產生一個HTTPError，對應相應的狀態代碼，HTTP狀態代碼表示HTTP協議所返回的響應的狀態。狀態代碼歸結如下：

100：繼續  用戶端應當繼續發送請求。用戶端應當繼續發送請求的剩餘部分，或者如果請求已經完成，忽略這個響應。

101： 轉換協議  在發送完這個響應最後的空行後，伺服器將會切換到在Upgrade 訊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採取類似措施。

102：繼續處理   由WebDAV（RFC 2518）擴充的狀態代碼，代表處理將被繼續執行。

200：請求成功      處理方式：獲得響應的內容，進行處理

201：請求完成，結果是建立了新資源。新建立資源的URI可在響應的實體中得到    處理方式：爬蟲中不會遇到

202：請求被接受，但處理尚未完成    處理方式：阻塞等待

204：伺服器端已經實現了請求，但是沒有返回新的信 息。如果客戶是使用者代理程式，則無須為此更新自身的文檔視圖。    處理方式：丟棄

300：該狀態代碼不被HTTP/1.0的應用程式直接使用， 只是作為3XX類型回應的預設解釋。存在多個可用的被請求資源。    處理方式：若程式中能夠處理，則進行進一步處理，如果程式中不能處理，則丟棄
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：重新導向到分配的URL

302：請求到的資源在一個不同的URL處臨時儲存     處理方式：重新導向到臨時的URL

304：請求的資源未更新     處理方式：丟棄

400：非法請求     處理方式：丟棄

401：未授權     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：伺服器內部錯誤  伺服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，這個問題都會在伺服器端的原始碼出現錯誤時出現。

501：伺服器無法識別  伺服器不支援當前請求所需要的某個功能。當伺服器無法識別請求的方法，並且無法支援其對任何資源的請求。

502：錯誤網關  作為網關或者代理工作的伺服器嘗試執行請求時，從上遊伺服器接收到無效的響應。

503：服務出錯   由於臨時的伺服器維護或者過載，伺服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後恢複
HTTPError執行個體產生後會有一個code屬性，這就是伺服器發送的相關錯誤號碼。因為urllib可以為你處理重新導向，也就是3開頭的代號可以被處理，並且100-299範圍的號碼指示成功，所以你只能看到400-599的錯誤號碼。

下面我們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，另外我們又列印了reason屬性，這是它的父類URLError的屬性。

404

Not Found

結果分析：錯誤碼是404，錯誤原因是Not Found找不到網頁HTTPError與URLError一起使用

最後值得注意的一點是，如果想用HTTPError和URLError一起捕獲異常，那麼需要將HTTPError放在URLError的前面，因為HTTPError是URLError的一個子類。如果URLError放在前面，出現HTTP異常會先響應URLError，這樣HTTPError就捕獲不到錯誤資訊了。

使用hasattr函數判斷URLError含有的屬性，如果含有reason屬性工作表明是URLError，如果含有code屬性工作表明是HTTPError

【Python3 爬蟲】03_urllib.error異常處理