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-8import urllibimport urllib2user = "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 cookieopener = 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 urllibimport 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-8import 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-8import urllib2 url="http://www.****.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-8import urllib2url = "http://www.****.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-8import urllib2url = "http://www.****.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()