网络爬虫异常处理总结

在进行大规模网络爬虫的时候,经常会遇到爬了一会突然抛出一个错误来,然后整个程序就停止了运行。而我们在处于学习爬虫初期的同胞,比如我,一旦出现程序错误停止,就不知道如何在修改程序后接着刚刚爬取的位置继续爬取。就算是我们做了比较好的日志输出,知道是再爬取到哪一页时出现问题,但也不得不在这一页或者这一页的前一页重新开始,然后继续爬虫。虽说不是很麻烦,但自己的程序走一半突然停掉了,就好像吃的冰棒吃的好好的突然掉地上,虽然冲冲会变干净,但总觉得它已经不那么美好了。哈哈~ 因此在设计爬虫时,...
摘要由CSDN通过智能技术生成

    在进行大规模网络爬虫的时候,经常会遇到爬了一会突然抛出一个错误来,然后整个程序就停止了运行。而我们在处于学习爬虫初期的同胞,比如我,一旦出现程序错误停止,就不知道如何在修改程序后接着刚刚爬取的位置继续爬取。就算是我们做了比较好的日志输出,知道是再爬取到哪一页时出现问题,但也不得不在这一页或者这一页的前一页重新开始,然后继续爬虫。虽说不是很麻烦,但自己的程序走一半突然停掉了,就好像吃的冰棒吃的好好的突然掉地上,虽然冲冲会变干净,但总觉得它已经不那么美好了。哈哈~    

     因此在设计爬虫时,做好程序的异常处理还是很重要的。这样当遇到异常时,程序将它捕捉到,并且按照咱们自己的设计输出相应的提醒 。接着程序自己再继续往前走,不会说是一遇到异常,一下子爬到地上装死。那就很尴尬了

     现在我们爬取网页,比较简单常用的是requests库,一般出现异常的地方也就是requests.get(url)时出现的。而在此处出现的异常一般有两种。

1、网页在服务器上不存在或者获取网页时出现错误(HTTP异常)

2、服务器不存在

也有人说是三种,就是本地网络有问题。不过这种就没必要做异常处理了,毕竟一旦出现本地网路有问题,捕捉跟不捕捉结果没什么区别,都是程序装死。

所以主要还是总结一下前两种的异常处理。

首先第一种。发生第一种异常时,程序会返回HTTP错误。我们做异常处理时可以:

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
跨域访问的问题可以通过以下几种方式来解决: 1. JSONP:JSONP是一种跨域访问的解决方案,它的原理是利用script标签没有跨域限制的特性,通过动态创建script标签的方式来获取跨域数据。服务器端需要接收一个回调函数的参数,并将返回的数据作为参数传递给该回调函数,最终将数据以js代码的形式返回给客户端。客户端可以通过定义该回调函数并在script标签指定回调函数名的方式来获取到跨域数据。 2. CORS跨域资源共享(CORS)是一种通过添加特定的HTTP头来允许跨域访问的解决方案。服务器端需要在响应头添加Access-Control-Allow-Origin字段来指定允许跨域访问的域名或通配符(*),并且可以通过其他Access-Control-*字段来控制请求的方法、头信息等。 3. 代理:代理是一种通过在服务端转发请求来实现跨域访问的解决方案。客户端通过向代理服务器发送请求,代理服务器再将请求发送给目标服务器,并将目标服务器返回的数据返回给客户端。由于请求是由代理服务器发送的,因此不存在跨域访问的问题。 4. postMessage:postMessage是一种通过window对象的postMessage方法来实现跨域通信的解决方案。客户端通过调用postMessage方法将数据发送给另一个窗口,另一个窗口可以通过监听message事件来获取数据。由于postMessage方法不受同源策略的限制,因此可以实现跨域通信。
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