在Python中，如何使用urllib检查网站状态是404还是200？

Question

如何通过urllib获取请求头的代码？

Answer 1

对于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')

Answer 2

你也可以使用 urllib2 这个库：

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()

需要注意的是，HTTPError 是 URLError 的一个子类，它用来存储HTTP状态码。

Answer 3

getcode() 方法（在 Python 2.6 中新增）会返回与响应一起发送的 HTTP 状态码。如果这个网址不是 HTTP 的网址，它就会返回 None。

>>> a=urllib.urlopen('http://www.google.com/asdfsf')
>>> a.getcode()
404
>>> a=urllib.urlopen('http://www.google.com/')
>>> a.getcode()
200