爬取网页的通用代码框架

在爬取网页内容时,r.request(url)并不是一定成立的,因为网络连接有风险,所以这样的语句,它的异常处理很重要。

Request库支持6种常用的连接异常,Response返回了所有的网页内容,它也提供了一个方法raise_for_status,该方法是专门与异常打交道的方法,它能够判断返回的Response类型的状态是不是200,如果是,它将表达返回的内容是正确的,如果不是,则产生异常;

通用代码框架的作用是可以有效的处理我们在访问或者在爬取网页过程中可能出现的一些错误或者网络不稳定造成的一些现象

实例

#coding:utf-8
import requests
def getHTMLText(url):
    try:
        r=requests.get(url,timeout=30)
        r.raise_for_status()#如果状态不是200,引发HTTPError异常
        r.encoding=r.apparent_encoding #使得返回内容的解码是正确的
        return r.text
    except:
        return "产生异常"
if __name__=="__main__":
    url="http://www.baidu.com"
    print(getHTMLText(url))

其中def函数即通用代码框架,运行结果可看到:

 当我们去掉url中的http开头,使得这个url链接出现错误的时候,我们发现是except的产生异常的提示

由此可看出,通用代码框架的最大作用是能够使得用户访问或爬取网页变得更有效,更稳定,更可靠

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值