python - 如何处理 IncompleteRead：在 python 中

Question

我正在尝试从网站获取一些数据。但是它返回我incomplete read。我要获取的数据是大量嵌套链接。我在网上做了一些研究，发现这可能是由于服务器错误（在达到预期大小之前完成的分块传输编码）。我还在此链接上找到了上述解决方法

但是，我不确定如何将其用于我的情况。以下是我正在处理的代码

br = mechanize.Browser()
br.addheaders = [('User-agent', 'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1;Trident/5.0)')]
urls = "http://shop.o2.co.uk/mobile_phones/Pay_Monthly/smartphone/all_brands"
page = urllib2.urlopen(urls).read()
soup = BeautifulSoup(page)
links = soup.findAll('img',url=True)

for tag in links:
    name = tag['alt']
    tag['url'] = urlparse.urljoin(urls, tag['url'])
    r = br.open(tag['url'])
    page_child = br.response().read()
    soup_child = BeautifulSoup(page_child)
    contracts = [tag_c['value']for tag_c in soup_child.findAll('input', {"name": "tariff-duration"})]
    data_usage = [tag_c['value']for tag_c in soup_child.findAll('input', {"name": "allowance"})]
    print contracts
    print data_usage

请帮我解决这个问题。谢谢

score 26 · Accepted Answer

您在问题中包含的链接只是一个执行 urllib 的 read() 函数的包装器，它会为您捕获任何不完整的读取异常。如果你不想实现整个补丁，你总是可以在读取链接的地方抛出一个 try/catch 循环。例如：

try:
    page = urllib2.urlopen(urls).read()
except httplib.IncompleteRead, e:
    page = e.partial

对于python3

try:
    page = request.urlopen(urls).read()
except (http.client.IncompleteRead) as e:
    page = e.partial

score 9 · Accepted Answer

请注意，此答案仅适用于 Python 2（于 2013 年发布）

我在我的情况下发现：发送 HTTP/1.0 请求，添加这个，解决问题。

import httplib
httplib.HTTPConnection._http_vsn = 10
httplib.HTTPConnection._http_vsn_str = 'HTTP/1.0'

在我提出要求后：

req = urllib2.Request(url, post, headers)
filedescriptor = urllib2.urlopen(req)
img = filedescriptor.read()

在我回到 http 1.1 之后（对于支持 1.1 的连接）：

httplib.HTTPConnection._http_vsn = 11
httplib.HTTPConnection._http_vsn_str = 'HTTP/1.1'

诀窍是使用 http 1.0 而不是默认的 http/1.1 http 1.1 可以处理块，但由于某种原因 webserver 不能，所以我们在 http 1.0 中执行请求

对于 Python3，它会告诉你

ModuleNotFoundError：没有名为“httplib”的模块

然后尝试使用 http.client 模块它会解决问题

import http.client as http
http.HTTPConnection._http_vsn = 10
http.HTTPConnection._http_vsn_str = 'HTTP/1.0'

score 5 · Accepted Answer

对我有用的是捕获 IncompleteRead 作为异常，并通过将其放入如下循环中来收集您在每次迭代中设法读取的数据：（注意，我使用的是 Python 3.4.1，并且 urllib 库已在 2.7 和 3.4 之间更改)

try:
    requestObj = urllib.request.urlopen(url, data)
    responseJSON=""
    while True:
        try:
            responseJSONpart = requestObj.read()
        except http.client.IncompleteRead as icread:
            responseJSON = responseJSON + icread.partial.decode('utf-8')
            continue
        else:
            responseJSON = responseJSON + responseJSONpart.decode('utf-8')
            break

    return json.loads(responseJSON)

except Exception as RESTex:
    print("Exception occurred making REST call: " + RESTex.__str__())

score 1 · Accepted Answer

您可以使用requests而不是urllib2. requests是基于urllib3所以它很少有任何问题。把它放在一个循环中尝试3次，它会强大得多。你可以这样使用它：

import requests      

msg = None   
for i in [1,2,3]:        
    try:  
        r = requests.get(self.crawling, timeout=30)
        msg = r.text
        if msg: break
    except Exception as e:
        sys.stderr.write('Got error when requesting URL "' + self.crawling + '": ' + str(e) + '\n')
        if i == 3 :
            sys.stderr.write('{0.filename}@{0.lineno}: Failed requesting from URL "{1}" ==> {2}\n'.                       format(inspect.getframeinfo(inspect.currentframe()), self.crawling, e))
            raise e
        time.sleep(10*(i-1))

score 0 · Accepted Answer

0

我发现我的病毒检测器/防火墙导致了这个问题。AVG 的“在线盾牌”部分。

于 2015-05-18T19:08:03.057 回答

score 0 · Accepted Answer

python3 仅供参考

from urllib import request
import http.client
import os
url = 'http://shop.o2.co.uk/mobile_phones/Pay_Monthly/smartphone/all_brand'
try:    
    response = request.urlopen(url)                                       
    file = response.read()  
except http.client.IncompleteRead as e:
    file = e.partial
except Exception as result:
    print("Unkonw error" + str(result))
    return

#   save  file 
    with open(file_path, 'wb') as f:
         print("save -> %s " % file_path)
         f.write(file)

score -1 · Accepted Answer

我尝试了所有这些解决方案，但没有一个对我有用。实际上，起作用的不是使用 urllib，而是使用 http.client (Python 3)

conn = http.client.HTTPConnection('www.google.com')
conn.request('GET', '/')
r1 = conn.getresponse()
page = r1.read().decode('utf-8')

这每次都能完美运行，而 urllib 每次都返回一个不完整的读取异常。

score -2 · Accepted Answer

我只是添加了一个更多的例外来解决这个问题。
就像

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

except (requests.exceptions.ChunkedEncodingError, requests.ConnectionError) as e:
    logging.error("There is a error: %s" % e)

python - 如何处理 IncompleteRead：在 python 中

8 回答 8

Related

Reference