Python爬蟲異常處理

Python爬蟲異常主要分爲URLError和HTTPError：

1.URLError:

URLError錯誤發生的可能緣由有：

• 網絡無鏈接，即本機沒法上網
• 連接不到特定服務器
• 服務器不存在

那麼，咱們能夠經過使用try-except語句來捕獲錯誤提示信息，

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

在上面的例子中，Request的對象是一個不存在的網站，因此當發送請求時，會返回一個錯誤的信息

它說明了錯誤代號是11004，錯誤緣由是 getaddrinfo failed.

2.HTTPError:

HTTPError是URLError的子類，在利用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，urllib.request將對此進行處理,

其餘不能處理的，urlopen會產生一個HTTPError，對應相應的狀態嗎，HTTP狀態碼錶示HTTP協議所返回的響應的狀態。下面將狀態碼歸結以下：

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餘部分，或者若是請求已經完成，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，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採起相似措施。

102：繼續處理 由WebDAV（RFC 2518）擴展的狀態碼，表明處理將被繼續執行。

200：請求成功 處理方式：得到響應的內容，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可在響應的實體中獲得 處理方式：爬蟲中不會遇到

202：請求被接受，但處理還沒有完成 處理方式：阻塞等待

204：服務器端已經實現了請求，可是沒有返回新的信 息。若是客戶是用戶代理，則無須爲此更新自身的文檔視圖。 處理方式：丟棄

300：該狀態碼不被HTTP/1.0的應用程序直接使用， 只是做爲3XX類型迴應的默認解釋。存在多個可用的被請求資源。 處理方式：若程序中可以處理，則進行進一步處理，若是程序中不能處理，則丟棄
301：請求到的資源都會分配一個永久的URL，這樣就能夠在未來經過該URL來訪問此資源 處理方式：重定向到分配的URL

302：請求到的資源在一個不一樣的URL處臨時保存 處理方式：重定向到臨時的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：未受權 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：服務器內部錯誤 服務器遇到了一個不曾預料的情況，致使了它沒法完成對請求的處理。通常來講，這個問題都會在服務器端的源代碼出現錯誤時出現。

501：服務器沒法識別 服務器不支持當前請求所須要的某個功能。當服務器沒法識別請求的方法，而且沒法支持其對任何資源的請求。

502：錯誤網關 做爲網關或者代理工做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。

503：服務出錯 因爲臨時的服務器維護或者過載，服務器當前沒法處理請求。這個情況是臨時的，而且將在一段時間之後恢復。

import urllib2

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

上面的代碼會返回一個錯誤代號，以及一個錯誤緣由

403
Forbidden

咱們知道，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後面，

若是子類捕獲不到，那麼能夠捕獲父類的異常，因此上述的代碼能夠這麼改寫：

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"

若是捕獲到了HTTPError，則輸出code，不會再處理URLError異常。若是發生的不是HTTPError，則會去捕獲URLError異常，輸出錯誤緣由。

另外還能夠加入 hasattr屬性提早對屬性進行判斷，代碼改寫以下：

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"

首先對異常的屬性進行判斷，以避免出現屬性輸出報錯的現象。

以上，就是對URLError和HTTPError的相關介紹，以及相應的錯誤處理辦法，小夥伴們加油！