python爬虫网络出错怎么办_python爬虫之headers处理、网络超时问题处理

1、请求headers处理

我们有时请求服务器时，无论get或post请求，会出现403错误，这是因为服务器拒绝了你的访问，这时我们可以通过模拟浏览器的头部信息进行访问，这样就可以解决反爬设置的问题。

importrequests#创建需要爬取网页的地址

url = 'https://www.baidu.com/'

#创建头部信息

headers = {'User-Agent':'OW64; rv:59.0) Gecko/20100101 Firefox/59.0'}#发送网络请求

response = requests.get(url, headers=headers)#以字节流形式打印网页源码

print(response.content)

结果：

b'\n\n\n \n \n

2、网络超时问题

在访问一个网页时，如果该网页长时间未响应，系统就会判断该网页超时，而无法打开网页。下面通过代码来模拟一个网络超时的现象。

importrequests#循环发送请求50次

for a in range(1, 50):#捕获异常

try:#设置超时为0.5秒

response = requests.get('https://www.baidu.com/', timeout=0.5)#打印状态码

print(response.status_code)#捕获异常

exceptException as e:#打印异常信息

print('异常'+str(e))

结果：

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

以上代码中，模拟进行了50次循环请求，设置超时时间为0.5秒，在0.5秒内服务器未作出相应视为超时，程序会将超时信息打印在控制台中。

说起网络异常信息，requests模块同样提供了三种常见的网络异常类，示例代码如下：

importrequests#导入requests.exceptions模块中的三种异常类

from requests.exceptions importReadTimeout,HTTPError,RequestException#循环发送请求50次

for a in range(1, 50):#捕获异常

try:#设置超时为0.5秒

response = requests.get('https://www.baidu.com/', timeout=0.5)#打印状态码

print(response.status_code)#超时异常

exceptReadTimeout:print('timeout')#HTTP异常

exceptHTTPError:print('httperror')#请求异常

exceptRequestException:print('reqerror')

结果：

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200

200