Python3网络爬虫实战-21使用Urllib：处理异常

Posted 2022-06-09

在前面一节我们了解了 Request 的发送过程，但是在网络情况不好的情况下，出现了异常怎么办呢？这时如果我们不处理这些异常，程序很可能报错而终止运行，所以异常处理还是十分有必要的。

Urllib 的 error 模块定义了由 request 模块产生的异常。如果出现了问题，request 模块便会抛出 error 模块中定义的异常，本节会对其进行详细的介绍。

1. URLError

URLError 类来自 Urllib 库的 error 模块，它继承自 OSError 类，是 error 异常模块的基类，由 request 模块生的异常都可以通过捕获这个类来处理。

它具有一个属性 reason，即返回错误的原因。

下面用一个实例来感受一下：

from urllib import request, error
try:
    response = request.urlopen(‘http://cuiqingcai.com/index.htm‘)
except error.URLError as e:
    print(e.reason)

我们打开一个不存在的页面，照理来说应该会报错，但是这时我们捕获了 URLError 这个异常，运行结果如下：

Not?Found
Python资源分享qun 784758214 ,内有安装包，PDF，学习视频，这里是Python学习者的聚集地，零基础，进阶，都欢迎

程序没有直接报错，而是输出了如上内容，这样通过如上操作，我们就可以避免程序异常终止，同时异常得到了有效处理。

2. HTTPError

它是 URLError 的子类，专门用来处理 HTTP 请求错误，比如认证请求失败等等。

它有三个属性。

• code，返回 HTTP Status Code，即状态码，比如 404 网页不存在，500 服务器内部错误等等。
• reason，同父类一样，返回错误的原因。
• headers，返回 Request Headers。

下面我们来用几个实例感受一下：

from urllib import request,error
try:
    response = request.urlopen(‘http://cuiqingcai.com/index.htm‘)
except error.HTTPError as e:
    print(e.reason, e.code, e.headers, sep=‘\n‘)

运行结果：

Not Found
404
Date: Mon, 17 Jun 2019 04:52:50 GMT
Content-Type: text/html; charset=utf-8
Transfer-Encoding: chunked
Connection: close
Vary: Accept-Encoding
Status: 404 Not Found
Cache-Control: no-cache
Strict-Transport-Security: max-age=31536000
X-XSS-Protection: 1; mode=block
X-Request-Id: e65fb029-a4fd-46e2-91c3-9616ccc2f879
X-Runtime: 0.006814
X-Frame-Options: SAMEORIGIN
X-Content-Type-Options: nosniff
X-Powered-By: Phusion Passenger 6.0.2
Server: nginx + Phusion Passenger 6.0.2

依然是同样的网址，在这里我们捕获了 HTTPError 异常，输出了 reason、code、headers 属性。

因为 URLError 是 HTTPError 的父类，所以我们可以先选择捕获子类的错误，再去捕获父类的错误，所以上述代码更好的写法如下：

from urllib import request, error

try:
    response = request.urlopen(‘http://cuiqingcai.com/index.htm‘)
except error.HTTPError as e:
    print(e.reason, e.code, e.headers, sep=‘\n‘)
except error.URLError as e:
    print(e.reason)
else:
    print(‘Request Successfully‘)

这样我们就可以做到先捕获 HTTPError，获取它的错误状态码、原因、Headers 等详细信息。如果非 HTTPError，再捕获 URLError 异常，输出错误原因。最后用 else 来处理正常的逻辑，这是一个较好的异常处理写法。

有时候 reason 属性返回的不一定是字符串，也可能是一个对象，我们再看下面的实例：

import socket
import urllib.request
import urllib.error

try:
    response = urllib.request.urlopen(‘https://www.baidu.com‘, timeout=0.01)
except urllib.error.URLError as e:
    print(type(e.reason))
    if isinstance(e.reason, socket.timeout):
        print(‘TIME OUT‘)

在这里我们直接设置了超时时间来强制抛出 timeout 异常。

运行结果如下：

<class ‘socket.timeout‘>
TIME OUT
Python资源分享qun 784758214 ,内有安装包，PDF，学习视频，这里是Python学习者的聚集地，零基础，进阶，都欢迎

可以发现 reason 属性的结果是 socket.timeout 类。所以在这里我们可以用 isinstance() 方法来判断它的类型，做出更详细的异常判断。

3. 结语

本节讲述了 error 模块的相关用法，通过合理地捕获异常可以做出更准确的异常判断，使得程序更佳稳健。