python爬虫从0到1 - urllib中的异常

urllib中的异常处理

在我们写爬虫程序时，若出现url中的错误，那么我们就无法爬取我们想要的内容，对此，我们引入了urllib中的异常处理。

（一）url的组成部分

URL由6个部分组成：
eg：

​​https://www.baidu.com/s?wd=易烊千玺​​

1. 协议（http/https）
2. 主机（www.baidu.com）
3. 端口号（80/443）
4. 路径（s）
5. 参数（wd=易烊千玺）
6. 锚点

常见的端口号：

http（80） https（443） mysql(3306) oracle(1521) redis(6379) mongodb(27017)

（一）URLError

通常来说，URLError报错通常为url地址中主机部分的错误：
实例：

url = 'https://www.baidu.com1/'

运行结果：

urllib.error.URLError: <urlopen error [Errno 11001] getaddrinfo failed>

（二）HTTPError

这个异常的通常是url地址中参数或是路径的错误。
实例：

url = 'https://www.jianshu.com/p/3388cf148dba1'

运行结果：

urllib.error.HTTPError: HTTP Error 404: Not Found

(三）简介

1. HTTPError类是URLError类的子类
2. 导入的包urllib.error.HTTPError/urllib.error.URLError
3. http错误：http错误是针对浏览器无法连接到服务器而增加的出来的错误提示，引导并告诉浏览者该页是出了什么问题。
4. 通过urllib发送请求的时候，有可能会发送失败，这个时候如果想让你的代码更健壮，可以通过try -except进行捕获异常。

（四）Urllib.error 模块

urllib.error 模块为 urllib.request 所引发的异常定义了异常类，基础异常类是 URLError。
urllib.error 包含了两个方法，URLError 和 HTTPError。
URLError 是 OSError 的一个子类，用于处理程序在遇到问题时会引发此异常（或其派生的异常）。
HTTPError 是 URLError 的一个子类，用于处理特殊 HTTP 错误例如作为认证请求的时候，包含的属性 code 为 HTTP 的状态码， reason 为引发异常的原因，headers 为导致 HTTPError 的特定 HTTP 请求的 HTTP 响应头。

（五）异常处理

用try except语句块捕获并处理异常，其基本语法结构如下所示：

try:
可能产生异常的代码块
except [ (Error1, Error2, … ) [as e] ]:
处理异常的代码块1
except [ (Error3, Error4, … ) [as e] ]:
处理异常的代码块2
except [Exception]:
处理其它异常

实例：

原url= ‘https://www.jianshu.com/p/3388cf148dba’

源码：

import urllib.request
import urllib.error

url = 'https://www.jianshu.com1/p/3388cf148dba'
# url的组成 eg：https://www.baidu.com/s?wd=易烊千玺
# 1.协议（http/https） 2.主机（www.baidu.com） 3.端口号（80/443） 4.路径（s） 5.参数（wd=易烊千玺） 6.锚点
#  常见的端口号
# http（80） https（443） mysql(3306) oracle(1521) redis(6379) mongodb(27017)

headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/98.0.4758.102 Safari/537.36'
}
try:
    request = urllib.request.Request(url = url,headers = headers)

    response = urllib.request.urlopen(request)

    content = response.read().decode('utf8')

    print(content)
    
except urllib.error.HTTPError:
    print('HTTP异常，请稍后！')
except urllib.error.URLError:
    print('URL异常，请稍后！')

1.URLError

url = ‘https://www.jianshu.com1/p/3388cf148dba’

运行结果：

2.HTTPError

url = ‘https://www.jianshu.com/p/3388cf148dba111’

运行结果：

由于HTTPRError是URLError的子类，所以需先写httperror的异常处理,否则一律认为是URLError的异常。

urllib的异常处理就写到这啦，希望大家都不会出现异常。