如何解决“'连接中止',RemoteDisconnected”或未获取任何有关 urllib3 和 Django 的信息
我正在使用 BeautifulSoup 和 Django 开发网络抓取应用程序,但我遇到了一些“连接问题”(我认为)。
应用程序必须检查是否有任何网站满足所有 SEO 要求,为此,我必须提出不同的“请求”...首先获取“汤”,然后检查 robots.txt 和例如,sitemap.xml 存在......所以我猜有些网站因此而阻止了我的应用程序,并且我不断收到“'连接中止。',RemoteDisconnected”错误,或者在其他情况下,我没有得到错误但“汤”是空的……有没有办法解决这个问题?我试过 time.sleep()
但似乎没有用...
这是我的代码的一部分:
http = PoolManager()
r = http.request('GET',"https://" + url,headers={'User-Agent': "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML,like Gecko) Chrome/51.0.2704.103 Safari/537.36",'Accept-Encoding': 'br'})
soup = BeautifulSoup(r.data,'lxml')
我在哪里检查机器人和站点地图是否存在:
robots_url = url + "/robots.txt"
robot = requests.get(robots_url,headers)
if robot.ok:
robot = True
else:
robot = False
sleep(5)
sitemap_url = url + '/sitemap.xml'
sitemap = requests.get(sitemap_url,headers=headers)
if sitemap.ok:
sitemap = True
else:
sitemap = False
在大多数网站中,代码运行良好,但我认为有些页面的安全级别更高,但会以该错误结束连接:
During handling of the above exception (('Connection aborted.',RemoteDisconnected('Remote end closed connection without response'))),another exception occurred:
/app/.heroku/python/lib/python3.9/site-packages/django/core/handlers/exception.py,第 47 行,内部
非常感谢您的时间和建议。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。