urllib2模块之异常处理

 一、urllib2模块回顾

        urllib2模块中最重要的函数是urlopen()函数，用于获取URLs资源（Uniform Resorce Locators）。urlopen函数不仅可以用于简单的情况，还可以进行复杂情况下的资源获取如认证(authentication)、cookies、代理等。urlopen支持多种协议，如http、ftp、file等。

        HTTP是基于请求、响应的协议，客户端发出请求、服务器端作出响应。urllib2通过Request对象反映发出的HTTP请求，调用urlopen()时就会发出请求，函数返回值就是相应的响应对象。

1、POST数据

我们下面做个最简单的post数据提交的测试，当然很多情况下这种简单的测试是提交不成功的，但是我们可以从中学习的post数据的用法

#!/usr/bin/python
#coding=utf-8

import urllib
import urllib2


user        =   "yourname"
password    =   "password" 
postUrl     =  "http://www.xiami.com/member/login"
postData    =   {   'email'     :   user, 
                    'password'  :   password, 
                    'autologin' :   '1', 
                    'submit'    :   '登 录', 
                    'type'      :   ''
}


req         =   urllib2.Request(postUrl)
postData    =   urllib.urlencode(postData)
#enable cookie
opener      =   urllib2.build_opener(urllib2.HTTPCookieProcessor())
response    =   opener.open(req, postData) 

print response.read( )

或者直接使用简化的写法
 

import urllib
import urllib2
 
url     =   "http://www.example.com/"
datas   =   {   "email" : user,
                "password" : password
}

req     =   urllib2.Request(url,urllib.encode(datas))
response=   urllib2.urlopen(req)

 

2、增加Header头部

          由于一些网站不希望被程序访问，或网站会发送不同的内容给不同的浏览器类型，因此需要修改HTTP头部来将程序伪造成相应的浏览器，而浏览器通常通过头部的User-Agent来识别，因此通常只改User-Agent即可。方法是传递一个headers头部字典给Request对象。

import urllib2
 
url     =   "http://www.example.com/"
headers =   {"User-Agent":"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1"}
request =   urllib2.Request(url, headers=headers)
response=   urllib2.urlopen(request)
print response.read( )

也可使用如下代码

import urllib2
 
url      =   "http://www.example.com/"
request  = urllib2.Request(url)
request.add_header("User-Agent", "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.1; Trident/4.0)")
response = urllib2.urlopen(request)
print response.read( )
response.close( )

 二、异常处理

  当urlopen()不能处理响应时会引起URLError异常。HTTPError异常是URLError的一个子类，只有在访问HTTP类型的URL时才会引起。

1、URLError异常

    通常引起URLError的原因是：无网络连接（没有到目标服务器的路由）、访问的目标服务器不存在。在这种情况下，异常对象会有reason属性（是一个（错误码、错误原因）的元组）

#!coding:utf-8

import urllib2
 
url="http://www.baidu.com/"
try:
    response = urllib2.urlopen(url)
    print response.read( )
except urllib2.URLError, e:
    print e.reason

 

2、HTTPError

        每一个从服务器返回的HTTP响应都有一个状态码。其中，有的状态码表示服务器不能完成相应的请求，默认的处理程序可以为我们处理一些这样的状态码（如返回的响应是重定向，urllib2会自动为我们从重定向后的页面中获取信息）。有些状态码，urllib2模块不能帮我们处理，那么urlopen函数就会引起HTTPError异常,其中典型的有404/401。

        HTTPError异常的实例有整数类型的code属性，表示服务器返回的错误状态码。

        urllib2模块默认的处理程序可以处理重定向（状态码是300范围），而且状态码在100-299范围内表示成功。因此，能够引起HTTPError异常的状态码范围是：400-599.  

        当引起错误时，服务器会返回HTTP错误码和错误页面。你可以将HTPError实例作为返回页面，这意味着，HTTPError实例不仅有code属性，还有read、geturl、info等方法。

#!coding=utf-8

import urllib2
 
url="http://www.csdn.net/aderstep"
try:
    response=urllib2.urlopen(url)
except urllib2.HTTPError, e:
    print e.code
    print e.read()

 

三、总结

    如果想在代码中处理URLError和HTTPError有两种方法，代码如下：

#!coding:utf-8
import urllib2

url     = "http://www.csdn.com/aderstep"
request = urllib2.Request(url)
request.add_header("User-Agent", "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.1; Trident/4.0)")
try:
    response = urllib2.urlopen(request)
    print response.read( )
    response.close( )
    # HTTPError必须排在URLError的前面
    # 因为HTTPError是URLError的子类对象
    # 在网访问中引发的所有异常要么是URLError类要么是其子类
    # 如果我们将URLError排在HTTPError的前面，那么将导致HTTPError异常将永远不会被触发
    # 因为Python在捕获异常时是按照从前往后的顺序挨个匹配的
except urllib2.HTTPError, e:
    print "The server couldn't fulfill the request"
    print "Error code:", e.code
    if e.code == 404:
        print "Page not found!"
        #do someting
    elif e.code == 403:
        print "Access denied!"
        #do someting
    else:
        print "Something happened! Error code", e.code
    print "Return content:", e.read()
except urllib2.URLError, err1:
    print "Failed to reach the server"
    print "The reason:", e.reason

 

或者使用如下的代码模版,也是用的最多的模版

#coding=utf-8
import urllib2


url     = "http://www.csdn.com/aderstep"
request = urllib2.Request(url)
request.add_header("User-Agent", "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.1; Trident/4.0)")
try:
    response = urllib2.urlopen(request)
    print response.read( )
    response.close( )

except urllib2.URLError, e:
    if hasattr(e, "reason"):
        print "Failed to reach the server"
        print "The reason:", e.reason
    elif hasattr(e, "code"):
        print "The server couldn't fulfill the request"
        print "Error code:", e.code
        print "Return content:", e.read()