Python: urllib.error.HTTPError: HTTP Error 404: Not Found

Question

我写了一个脚本来查找 SO 问题标题中的拼写错误。我用它大约 month.This 工作正常。

但是现在，当我尝试运行它时，我明白了。

Traceback (most recent call last):
  File "copyeditor.py", line 32, in <module>
    find_bad_qn(i)
  File "copyeditor.py", line 15, in find_bad_qn
    html = urlopen(url)
  File "/usr/lib/python3.4/urllib/request.py", line 161, in urlopen
    return opener.open(url, data, timeout)
  File "/usr/lib/python3.4/urllib/request.py", line 469, in open
    response = meth(req, response)
  File "/usr/lib/python3.4/urllib/request.py", line 579, in http_response
    'http', request, response, code, msg, hdrs)
  File "/usr/lib/python3.4/urllib/request.py", line 507, in error
    return self._call_chain(*args)
  File "/usr/lib/python3.4/urllib/request.py", line 441, in _call_chain
    result = func(*args)
  File "/usr/lib/python3.4/urllib/request.py", line 587, in http_error_default
    raise HTTPError(req.full_url, code, msg, hdrs, fp)
urllib.error.HTTPError: HTTP Error 404: Not Found

这是我的代码

import json
from urllib.request import urlopen
from bs4 import BeautifulSoup
from enchant import DictWithPWL
from enchant.checker import SpellChecker

my_dict = DictWithPWL("en_US", pwl="terms.dict")
chkr = SpellChecker(lang=my_dict)
result = []


def find_bad_qn(a):
    url = "https://whosebug.com/questions?page=" + str(a) + "&sort=active"
    html = urlopen(url)
    bsObj = BeautifulSoup(html, "html5lib")
    que = bsObj.find_all("div", class_="question-summary")
    for div in que:
        link = div.a.get('href')
        name = div.a.text
        chkr.set_text(name.lower())
        list1 = []
        for err in chkr:
            list1.append(chkr.word)
        if (len(list1) > 1):
            str1 = ' '.join(list1)
            result.append({'link': link, 'name': name, 'words': str1})


print("Please Wait.. it will take some time")
for i in range(298314,298346):
    find_bad_qn(i)
for qn in result:
    qn['link'] = "https://whosebug.com" + qn['link']
for qn in result:
    print(qn['link'], " Error Words:", qn['words'])
    url = qn['link']

更新

虽然 url 存在，但这是导致 problem.Even 的 url。

https://whosebug.com/questions?page=298314&sort=active

我尝试将范围更改为一些较低的值。现在可以正常使用了。

为什么上面 url 会发生这种情况？

Answer 1

显然，每页默认显示的问题数是 50，因此您在循环中定义的范围超出了每页 50 个问题的可用页数。范围应调整为每页 50 个问题的总页数。

此代码将捕获 404 错误，这是您遇到错误的原因并忽略它，以防您超出范围。

from urllib.request import urlopen

def find_bad_qn(a):
    url = "https://whosebug.com/questions?page=" + str(a) + "&sort=active"
    try:
        urlopen(url)
    except:
        pass

print("Please Wait.. it will take some time")
for i in range(298314,298346):
    find_bad_qn(i)

Answer 2

我也有同样的问题。我想使用 urllib 获得的 url 存在并且可以使用普通浏览器访问，但是 urllib 告诉我 404。

我的解决方案是不使用 urllib:

import requests
requests.get(url)

这对我有用。

Answer 3

默认的 'User-Agent' 似乎没有 Mozilla 那样多的访问权限。

尝试导入请求并将 , headers={'User-Agent': 'Mozilla/5.0'} 附加到 url 的末尾。

即：

from urllib.request import Request, urlopen    
url = f"https://whosebug.com/questions?page={str(a)}&sort=active"    
req = Request(url, headers={'User-Agent': 'Mozilla/5.0'})    
html = urlopen(req)

Answer 4

这是因为 URL 不存在，请重新检查您的 URL。我在重新检查时也遇到了同样的问题，我发现我的 URL 不正确，然后我更改了它

Python: urllib.error.HTTPError: HTTP Error 404: Not Found

Python: urllib.error.HTTPError: HTTP Error 404: Not Found

python

python-3.x

urllib