python—网络爬虫（爬取网页的通用代码框架）

python—网络爬虫（爬取网页的通用代码框架）

理解Requests库的异常

异常	说明
requests.ConnectionError	网络链接错误异常，如DNS查询失败，拒绝链接等
requests.HTTPError	HTTP错误异常
requests.URLRequired	URL缺失异常
requests.TooManyRedirects	超过最大重定向次数，产生重定向异常
requests.ConnectTimeout	链接远程服务器超时异常
requests.Timeout	请求URL超时，产生超时异常
r.raise_for_status()	若是不是200，产生异常requests.HTTPError

 

爬取网页的通用代码框架：

>>> import requests
>>> def getHTMLText(url):
... try:
...　　 r=requests.get(url,timeout=30)
...　　 r.raise_for_status()
... 　　 r.encoding=r.apparent_encoding
... 　　 return r.text
... except:
...　　 return "产生异常"
...
>>> if __name__=='__main__':
...　　  url="http://www.baidu.com"
... 　　 print(getHTMLText(url))