Python网页抓取，如果错误则跳过网址

Question

我正在尝试抓取一个站点（大约 7000 个链接，全部在一个列表中），并且由于我的方法，这需要很长时间，我想我可以接受（因为这意味着不被发现）。但是，如果我在尝试检索页面时遇到任何错误，我可以跳过它吗？现在，如果出现错误，代码会中断并给我一堆错误消息。这是我的代码：

Collection 是列表和结果文件的列表。基本上，我正在尝试使用get_url_data()（我有一个之前的问题要感谢）运行一个循环，而我的所有网址都在urllist 中。我有一个叫做HTTPError 的东西，但它似乎并不能处理所有的错误，因此这篇文章。在相关的支线任务中，获得无法处理的 url 列表也很好，但这不是我主要关心的问题（但如果有人能告诉我如何处理会很酷）。

Collection=[]
def get_url_data(url):

    try:
        r = requests.get(url, timeout=10)
        r.raise_for_status()

    except HTTPError:
        return None

    site = bs4.BeautifulSoup(r.text)
    groups=site.select('div.filters')
    word=url.split("/")[-1]

    B=[]
    for x in groups:
        B.append(word)
        T=[a.get_text() for a in x.select('div.blahblah [class=txt]')]
        A1=[a.get_text() for a in site.select('div.blah [class=txt]')]
        if len(T)==1 and len(A1)>0 and T[0]=='verb' and A1[0]!='as in':
            B.append(T)
            B.append([a.get_text() for a in x.select('div.blahblah [class=ttl]')])
            B.append([a.get_text() for a in x.select('div.blah [class=text]')])
            Collection.append(B)
        B=[]

for url in urllist:
    get_url_data(url)

我认为主要的错误代码是这个，它触发了其他的因为有一堆以During handling of the above exception, another exception occurred开头的错误。

Traceback (most recent call last):
  File "C:\Python34\lib\site-packages\requests\packages\urllib3\connectionpool.py", line 319, in _make_request
    httplib_response = conn.getresponse(buffering=True)
TypeError: getresponse() got an unexpected keyword argument 'buffering'

Answer 1

你可以让你的 try-catch 块看起来像这样，

try:
    r = requests.get(url, timeout=10)
    r.raise_for_status()

except Exception:
    return

Exception 类将处理所有错误和异常。

如果您想获得异常消息，您可以在except 块中打印此消息。然后在引发异常之前先实例化异常。

except Exception as e:
    print(e.message)
    return