python爬虫入门<六>–URLError

标签：URLError

一、URLError 产生的原因

服务器不存在
无网络
连接不到特点的服务器
触发了 HTTPError

二、捕获异常

在python中，我们经常遇到的是通过try/except来捕获异常

三、URLError实战

我们来访问CSDN来做访问这一部分，因为CSDN是禁止对文章内容进行爬取的，所以会报错的，我们程序实现一下：

import urllib.request
import urllib.error
try:
    urllib.request.urlopen("https://blog.baiduss.net/")
except urllib.error.URLError as e:
    print (e.reason)

结果：

[Errno 11004] getaddrinfo failed

Process finished with exit code 0

四、URHTTPError ——是URLError的子类

利用urlopen方法发出一个请求时，服务器上都对应一个应答对象，其中包含一个数字（状态码），若urlopen不能处理，urlopen会产生一个相应的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码，如下图

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。
随便找个网址试试：

import urllib.request
import urllib.error
try:
    urllib.request.urlopen("http://www.douban.com/sfsaf")
except urllib.error.HTTPError as e:
    print(e.code)
    print(e.reason)
except urllib.error.URLError as e:
    print(e.reason)

结果:

404
Not Found

执行顺序是：先找子类中是否有HTTP错误，如果没有再找父类URL