python爬虫BUG（爬取航班信息）

最新推荐文章于 2024-07-14 22:18:32 发布

weixin_30949361

最新推荐文章于 2024-07-14 22:18:32 发布

阅读量287

点赞数

文章标签： python 爬虫数据库

原文链接：http://www.cnblogs.com/lx07/p/8144765.html

版权

python爬取中遇到的一些错误以及解决方案：

must be str, not ReadTimeout

must be str, not ConnectionError

429 Too Many Requests

乱码（gb2312）

 1 错误信息：
 2 AS1084航班爬取错误
 3 must be str, not ProxyError 错误信息未处理
 4 解决方案：
 5 使用try except：print(记录错误航班) pass跳出错误继续爬取
 6 
 7 错误信息：
 8 CA3767航班爬取错误
 9 local variable 'ok' referenced before assignment   未赋值前被引用
10 解决方案：
11 赋值改为全局变量 global ok
12 
13 错误信息：
14 MF1930航班爬取完成！
15 must be str, not ReadTimeout 获取网页超时
16                content = requests.get(
17                    'http://happiness.variflight.com/info/detail?fnum',
18                    proxies=proxies,timeout=30).text
19 解决方案：
20 超时即 except：pass重新连接页面
21 
22 错误信息：
23 NS8185航班爬取完成！
24 must be str, not ConnectionError 数据库连接错误
25 解决方案：
26 重连数据库，记录并 pass跳过此条航班信息
27 
28 错误信息：
29 429 Too Many Requests  错误页面
30 403
31 502
32 解决方案：
33 频繁访问页面，判断为正常页面 爬取即可
34 
35 解决方案：
36 unc = stringa.decode("gb2312") #先decode
37 print unc.encode("utf-8") #后转utf-8
38 HTML乱码 此编码方式为gb2312
39 <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
40 <HTML><HEAD>
41 <META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=gb2312"> 
42 <TITLE>′í?ó￡o?ú?ù???óμ?í??·￡¨URL￡??T·¨??è?</TITLE>
43 <STYLE type="text/css"><!--BODY{background-color:#ffffff;font-family:verdana,sans-serif}PRE{font-family:sans-serif}--></STYLE>
44 </HEAD><BODY>
45 <H1>′í?ó</H1>
46 <H2>?ú?ù???óμ?í??·￡¨URL￡??T·¨??è?</H2>
47 <HR noshade size="1px">
48 <P>
49 μ±3￠ê??áè?ò???í??·￡¨URL￡?ê±￡o
50 <A HREF="http://happiness.variflight.com/info/detail?fnum=CZ3134&amp;dep=TSN&amp;arr=CAN&amp;date=2017-12-28&amp;type=1">http://happiness.variflight.com/info/detail?fnum=CZ3134&amp;dep=TSN&amp;arr=CAN&amp;date=2017-12-28&amp;type=1</A>
51 <P>
52 ·￠éúá???áDμ?′í?ó￡o
53 <UL>
54 <LI>
55 <STRONG>
56 Read Error
57 <BR>
58 ?áè?′í?ó
59 </STRONG>
60 </UL>
61 
62 <P>
63 ?μí3??ó|￡o
64 <PRE><I>    (104) Connection reset by peer</I></PRE>
65 
66 <P>
67 An error condition occurred while reading data from the network.  Please
68 retry your request.
69 <BR>
70 ?y?úí¨1yí????áè?êy?Yê±·￠éúá?′í?ó￡?????D?3￠ê??￡
71 </P>
72 <P>±??o′?·t???÷1üàí?±￡o<A HREF="mailto:support@chinacache.com">support@chinacache.com</A>

转载于:https://www.cnblogs.com/lx07/p/8144765.html

weixin_30949361

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
python爬虫BUG（爬取航班信息）

python爬取中遇到的一些错误以及解决方案：must be str, not ReadTimeoutmust be str, not ConnectionError429 Too Many Requests乱码（gb2312） 1 错误信息： 2 AS1084航班爬取错误 3 must be str, not ProxyError 错误信息未处理 4 解决方...
复制链接

扫一扫