python爬虫学习第十六天--------URLError和HTTPError、cookie登录、Handler处理器

一、URLError和HTTPError

二、cookie登录

三、Handler处理器

兄弟姐妹们，大家好哇！今天我们来学习URLError和HTTPError、cookie登录、Handler处理器这三个方面的知识

一、URLError和HTTPError

在Python中进行网络爬虫时，经常会遇到 URLError 和 HTTPError 异常。这两种异常通常与网络连接和HTTP请求有关，以下是它们的一些常见情况和处理方法：

URLError：表示URL无效或无法打开的错误，可能的原因包括网络连接问题、URL拼写错误等。处理方法包括：
- 检查URL是否正确，并确保网络连接正常。
- 使用 try-except 块捕获 URLError 异常，并进行相应的处理。

from urllib.error import URLError
import urllib.request

url = "<http://example.com>"

try:
    response = urllib.request.urlopen(url)
    # 处理响应数据
except URLError as e:
    print("URLError:", e)
    # 处理异常情况

2、HTTPError：表示HTTP请求错误，例如404 Not Found等。处理方法包括：

使用 try-except 块捕获 HTTPError 异常，并根据状态码进行处理。
可以通过 e.code 获取状态码，e.reason 获取原因。

from urllib.error import HTTPError
import urllib.request

url = "<http://example.com/404>"

try:
    response = urllib.request.urlopen(url)
    # 处理响应数据
except HTTPError as e:
    print("HTTPError:", e.code, e.reason)
    # 处理异常情况

在处理这些异常时，可以根据具体情况进行适当的错误处理和重试机制，以确保网络爬虫的稳定性和可靠性。

二、cookie登录

Cookie登录，需要分为以下步骤：

发送登录请求并获取Cookie：首先，您需要发送一个POST请求到登录页面，包含用户名和密码等登录信息。成功登录后，服务器会返回一个包含登录凭据的Cookie。您可以使用**requests库来发送这个请求，并通过response.cookies**属性获取Cookie。
使用Cookie进行后续请求：在登录后，您可以使用获取到的Cookie来发送其他请求，以模拟登录状态。每次请求都需要包含这个Cookie，以便服务器能够识别您已经登录。

以下是一个示例，演示如何使用Python进行Cookie登录：

import requests

# 登录页面URL和登录信息
login_url = '<https://example.com/login>'
login_data = {
    'username': 'your_username',
    'password': 'your_password'
}

# 发送登录请求并获取Cookie
response = requests.post(login_url, data=login_data)
cookies = response.cookies

# 使用Cookie发送后续请求
protected_url = '<https://example.com/protected-page>'
response = requests.get(protected_url, cookies=cookies)

# 检查响应状态码
if response.status_code == 200:
    # 打印响应内容
    print(response.text)
else:
    print('Failed to retrieve protected page. Status code:', response.status_code)

在这个示例中，首先发送了一个POST请求到**example.com/login，并包含了用户名和密码作为表单数据。然后，从登录响应中获取了Cookie，并将其保存在cookies变量中。最后，使用这个Cookie发送了一个GET请求到example.com/protected-page**，以获取受保护页面的内容。

案列：模拟登录Gitte并访问用户信息的示例：

import requests
from bs4 import BeautifulSoup

# 登录页面 URL
login_url = '<https://gitte.cn/login>'
# 受保护页面 URL
protected_url = '<https://gitte.cn/settings>'

# 用户名和密码
username = 'your_username'
password = 'your_password'

# 创建会话对象
session = requests.Session()

# 设置请求头
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.116 Safari/537.36'
}

# 发送登录请求，禁用SSL证书验证
login_data = {'username': username, 'password': password}
login_response = session.post(login_url, headers=headers, data=login_data, verify=False)

# 检查登录是否成功
if login_response.status_code == 200:
    print("Login successful")
    # 获取重定向后的页面
    protected_response = session.get(protected_url, headers=headers, verify=False)
    # 检查是否成功访问受保护页面
    if protected_response.status_code == 200:
        print("Protected page content:")
        soup = BeautifulSoup(protected_response.text, 'html.parser')
        # 解析页面内容
        content = soup.find('div', class_='your_content_class')
        if content:
            print(content.text)
        else:
            print("Failed to find content on protected page")
    else:
        print("Failed to retrieve protected page. Status code:", protected_response.status_code)
else:
    print("Login failed")

这个案列是针对cookie这方面的，报错也没事，给后面的知识一块用才可以爬取到信息

Untitled

注意:受保护页面通常指需要登录或授权才能访问的页面。这些页面可能包含用户个人信息、敏感数据或需要特定权限才能查看的内容。通过登录或授权后，用户可以访问这些受保护页面。在网络应用程序中，受保护页面通常用于确保用户身份验证和数据安全性。

三、Handler处理器

Handler处理器在Python的urllib库中是一个非常重要的组件，它提供了一种灵活和高级的方式来处理HTTP请求。使用Handler处理器的主要原因包括：

处理各种情况的请求：Handler处理器可以处理各种情况下的HTTP请求，如处理HTTP重定向、处理代理、处理cookie等。这使得我们可以更灵活地处理不同情况下的请求。
定制请求头和请求参数：通过Handler处理器，我们可以定制请求头和请求参数，以满足不同的需求。这样可以更好地模拟浏览器行为，使得我们可以发送更加复杂和特定的请求。
处理cookie和认证信息：Handler处理器可以用于处理cookie和认证信息，使得我们可以在请求中包含cookie和认证信息，从而实现对需要认证的网站进行访问。
处理代理：Handler处理器可以用于设置代理服务器，从而实现通过代理服务器发送请求，这对于需要使用代理的情况非常有用。
处理HTTP和HTTPS请求：Handler处理器可以用于处理HTTP和HTTPS请求，使得我们可以发送安全的HTTPS请求，并对响应进行处理。

总的来说，Handler处理器提供了一种灵活和高级的方式来处理HTTP请求，使得我们可以更好地控制请求和响应的处理过程，从而实现更加复杂和特定的功能。

Handler处理器是Python标准库urllib中用于处理HTTP请求的组件之一，它提供了一种灵活的方式来处理请求和响应。Handler处理器可以用于处理HTTP请求的各种情况，比如处理重定向、处理代理、处理cookie等。

下面是Handler处理器的基本使用方法：

导入必要的模块：

import urllib.request
import urllib.error

https://lh3.googleusercontent.com/a/AGNmyxaP8ZNr9lxDW8mItZrsrrHxTdxmBq6TmE5JzuBD=s96-c

2.创建一个Handler处理器：

handler = urllib.request.HTTPHandler()

这里创建了一个用于处理HTTP请求的Handler处理器。如果需要处理HTTPS请求，可以使用**urllib.request.HTTPSHandler()**来创建一个处理HTTPS请求的Handler处理器。

3.创建一个Opener对象，并将Handler处理器添加进去：

opener = urllib.request.build_opener(handler)

这里创建了一个Opener对象，并将之前创建的Handler处理器添加进去。

4.使用Opener对象发送请求：

url = '<http://www.example.com>'
req = urllib.request.Request(url)
try:
    response = opener.open(req)
    print(response.read().decode('utf-8'))
except urllib.error.URLError as e:
    print(e)

这里使用Opener对象的**open()方法发送请求，并捕获可能的URLError异常。如果请求成功，可以通过response.read().decode('utf-8')**来获取响应内容。

5.完整示例代码：

import urllib.request
import urllib.error

# 创建一个Handler处理器
handler = urllib.request.HTTPHandler()

# 创建一个Opener对象，并将Handler处理器添加进去
opener = urllib.request.build_opener(handler)

# 使用Opener对象发送请求
url = '<http://www.example.com>'
req = urllib.request.Request(url)
try:
    response = opener.open(req)
    print(response.read().decode('utf-8'))
except urllib.error.URLError as e:
    print(e)

通过以上步骤，我们可以使用Handler处理器来发送HTTP请求，并且可以根据需要添加不同的处理器来处理请求和响应，实现更灵活和高级的功能。