En Python, ¿cómo se utiliza urllib para ver si un sitio web es 404 o 200?
-
19-09-2019 - |
Pregunta
Cómo obtener el código de las cabeceras a través urllib?
Solución
El método (añadido en python2.6) getCode () devuelve el código de estado HTTP que fue enviada con la respuesta, o None si la URL es ningún URL HTTP.
>>> a=urllib.urlopen('http://www.google.com/asdfsf')
>>> a.getcode()
404
>>> a=urllib.urlopen('http://www.google.com/')
>>> a.getcode()
200
Otros consejos
Puede utilizar urllib2 así:
import urllib2
req = urllib2.Request('http://www.python.org/fish.html')
try:
resp = urllib2.urlopen(req)
except urllib2.HTTPError as e:
if e.code == 404:
# do something...
else:
# ...
except urllib2.URLError as e:
# Not an HTTP-specific error (e.g. connection refused)
# ...
else:
# 200
body = resp.read()
Tenga en cuenta que HTTPError
es una subclase de URLError
que almacena el código de estado HTTP.
En Python 3:
import urllib.request, urllib.error
url = 'http://www.google.com/asdfsf'
try:
conn = urllib.request.urlopen(url)
except urllib.error.HTTPError as e:
# Return code error (e.g. 404, 501, ...)
# ...
print('HTTPError: {}'.format(e.code))
except urllib.error.URLError as e:
# Not an HTTP-specific error (e.g. connection refused)
# ...
print('URLError: {}'.format(e.reason))
else:
# 200
# ...
print('good')
import urllib2
try:
fileHandle = urllib2.urlopen('http://www.python.org/fish.html')
data = fileHandle.read()
fileHandle.close()
except urllib2.URLError, e:
print 'you got an error with the code', e
Licenciado bajo: CC-BY-SA con atribución
No afiliado a StackOverflow