urllib2 中的未知 url 类型错误

Question

我在 SO 上搜索了很多类似的问题，但没有找到与我的案例完全匹配的问题。

我正在尝试使用 python 2.7 下载视频

这是我下载视频的代码

import urllib2
from bs4 import BeautifulSoup as bs


with open('video.txt','r') as f:
    last_downloaded_video = f.read()

webpage = urllib2.urlopen('http://*.net/watch/**-'+last_downloaded_video)

soup = bs(webpage)
a = []
for link in soup.find_all('a'):
    if link.has_attr('data-video-id'):
        a.append(link)

#try just with first data-video-id

id = a[0]['data-video-id']
webpage2 = urllib2.urlopen('http://*/video/play/'+id)
soup = bs(webpage2)
string = str(soup.find_all('script')[2])
print string
url = string.split(': ')[1].split(',')[0]
url = url.replace('"','')
print url
print type(url)

video = urllib2.urlopen(url).read()
filename = "video.mp4"
with open(filename,'wb') as f:
    f.write(video)

此代码给出了一个未知的 url 类型错误。回溯是

Traceback (most recent call last):
  File "naruto.py", line 26, in <module>
    video = urllib2.urlopen(url).read()
  File "/usr/lib/python2.7/urllib2.py", line 127, in urlopen
    return _opener.open(url, data, timeout)
  File "/usr/lib/python2.7/urllib2.py", line 404, in open
    response = self._open(req, data)
  File "/usr/lib/python2.7/urllib2.py", line 427, in _open
    'unknown_open', req)
  File "/usr/lib/python2.7/urllib2.py", line 382, in _call_chain
    result = func(*args)
  File "/usr/lib/python2.7/urllib2.py", line 1247, in unknown_open
    raise URLError('unknown url type: %s' % type)
urllib2.URLError: <urlopen error unknown url type: 'http>

但是，当我将相同的 url 存储在变量中并尝试从终端下载它时，不会显示错误。 我对问题所在感到困惑。 我有一个类似的问题in python mailing list

Answer 1

如果不从您正在抓取的页面中查看 HTML，很难判断，但是，URL 开头的流浪 '（单引号）字符可能是原因 - 这会导致相同的异常：

>>> import urllib2
>>> urllib2.urlopen("'http://blah.com")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "urllib2.py", line 127, in urlopen
    return _opener.open(url, data, timeout)
  File "urllib2.py", line 404, in open
    response = self._open(req, data)
  File "urllib2.py", line 427, in _open
    'unknown_open', req)
  File "urllib2.py", line 382, in _call_chain
    result = func(*args)
  File "urllib2.py", line 1249, in unknown_open
    raise URLError('unknown url type: %s' % type)
urllib2.URLError: <urlopen error unknown url type: 'http>

因此，请尝试清理您的 URL 并删除所有杂散引号。

OP 反馈后更新：

print 语句的结果表明该 URL 在 URL 字符串的开头和结尾都有一个 单引号 字符。在将 URL 传递给 urlopen() 时，不应在 URL 周围有任何类型的 任何 引号。您可以使用以下命令从 URL 字符串中删除前导和尾随引号（单引号和双引号）：

url = url.strip('\'"')