1,编码问题:设置文件编码格式utf-8
出现问题的原因:程序中的编码错误,python默认是acii模式,没有支持utf8,代码的第3行中出现了“年 月 日”这几个汉字,所以出现了错误。 2 解决方法:源代码文件第一行添加:#coding:utf-8,这样就可以避免了。参考下图。 步骤阅读 3 也可以改为,在第一行增加:#-*- coding: UTF-8 -*- 。
2.连接超时:异常或者设置timeout
问题描述:
没有设置timeout参数,结果在网络环境不好的情况下,时常出现read()方法没有任何反应的问题,程序卡死在read()方法里,搞了大半天,才找到问题,给urlopen加上timeout就ok了,设置了timeout之后超时之后read超时的时候会抛出socket.timeout异常,想要程序稳定,还需要给urlopen加上异常处理,再加上出现异常重试,程序就完美了。
import urllib2 url='http://www.facebook.com/' fails = 0 while True: try: if fails >= 20: break req = urllib2.Request(url) response = urllib2.urlopen(req, None, 3) page = response.read() except: fails += 1 print '网络连接出现问题, 正在尝试再次请求: ', fails else: break
解决方案:
有时候我们在爬取网络数据时,会因为对方网速缓慢、服务器超时等原因, 导致 urllib2.urlopen() 之后的 read()操作(下载内容)卡死,要解决这个问题方法有如下几个:
1、为urlopen设置可选参数 timeout
import urllib2
# http://classweb.loxa.com.tw/dino123/air/P1000772.jpg
r = urllib2.Request("http://classweb.loxa.com.tw/dino123/air/P1000775.jpg")
try:
print 111111111111111111
f = urllib2.urlopen(r, data=None, timeout=3)
print 2222222222222222
result = f.read()
print 333333333333333333
except Exception,e:
print "444444444444444444---------" + str(e)
print "55555555555555"
2、设置全局的socket超时:
import socket
socket.setdefaulttimeout(10.0)
或者使用:httplib2 or timeout_urllib2
http://code.google.com/p/httplib2/wiki/Examples
http://code.google.com/p/timeout-urllib2/source/browse/trunk/timeout_urllib2.py
3、使用定时器 timer
from urllib2 import urlopen
from threading import Timer
url = "http://www.python.org"
def handler(fh):
fh.close()
fh = urlopen(url)
t = Timer(20.0, handler,[fh])
t.start()
data = fh.read() #如果二进制文件需要换成二进制的读取方式
t.cancel()
我的的的urllib2的的urlopen内。
urllib2.urlopen(' CodeGo.net timeout=1)
我该如何告诉Python,如果到期应提高一个自定义的错误? 任何想法?
1.
有你想要极少数情况下
except:
。这样做可以捕获任何异常,它可以是难以调试,以及它捕捉异常,包括
SystemExit
和
KeyboardInterupt
,它可以使你的程序烦人 在非常简单的,你会赶上
urllib2.URLError
:
try:
urllib2.urlopen(" CodeGo.net timeout = 1)
except urllib2.URLError, e:
raise MyException("There was an error: %r" % e)
以下应捕捉特定的错误时引发的连接时间:
import urllib2
import socket
class MyException(Exception):
pass
try:
urllib2.urlopen(" CodeGo.net timeout = 1)
except urllib2.URLError, e:
# For Python 2.6
if isinstance(e.reason, socket.timeout):
raise MyException("There was an error: %r" % e)
else:
# reraise the original error
raise
except socket.timeout, e:
# For Python 2.7
raise MyException("There was an error: %r" % e)
2.
在Python 2.7.3:
import urllib2
import socket
class MyException(Exception):
pass
try:
urllib2.urlopen(" CodeGo.net timeout = 1)
except urllib2.URLError as e:
print type(e) #not catch
except socket.timeout as e:
print type(e) #catched
raise MyException("There was an error: %r" % e)
使用异常处理,解析错误的url弹出异常,捕获异常,continue,进行下个url的访问