我有一个使用URL地址读取网页内容的代码。
以前,我的代码运行良好,现在站点安全证书存在问题。为了解决IE的问题,我已将证书导入到受信任的站点中,并且问题已解决。
但是当我运行这段代码时:
df = pd.read_html(i,header=0)[0]
我得到一个错误:
Traceback (most recent call last):
File "D:\Distrib\Load_Data_from_Flat_ver_1.py", line 95, in <module>
df = pd.read_html(i,header=0)[0]
File "C:\Program Files\Python36\lib\site-packages\pandas\io\html.py", line 915, in read_html
keep_default_na=keep_default_na)
File "C:\Program Files\Python36\lib\site-packages\pandas\io\html.py", line 749, in _parse
raise_with_traceback(retained)
File "C:\Program Files\Python36\lib\site-packages\pandas\compat\__init__.py", line 385, in raise_with_traceback
raise exc.with_traceback(traceback)
ssl.CertificateError: hostname '10.89.174.12' doesn't match 'localhost'
有人可以帮助我解决这个问题吗?
答案 0 :(得分:2)
什么是错误
阅读ssl软件包的PSL文档,您会发现一个发生此特定错误的示例。
>>> cert = {'subject': ((('commonName', 'example.com'),),)}
>>> ssl.match_hostname(cert, "example.com")
>>> ssl.match_hostname(cert, "example.org")
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/home/py3k/Lib/ssl.py", line 130, in match_hostname
ssl.CertificateError: hostname 'example.org' doesn't match 'example.com'
在检查服务器公用名时,第二次检查失败。这正是您的情况。
Python路径
参考熊猫documentation:
io:str或类似文件的文件 URL,类似文件的对象或包含HTML的原始字符串。 请注意,lxml仅接受http,ftp和文件url协议。如果你 具有以“ https”开头的URL,您可以尝试删除“ s”。
您无法使用read_html
方法从HTTPS读取内容。
要解决此问题,请先使用PSL over HTTPS下载资源,而不验证SSL上下文:
from urllib import request
import ssl
url="https://example.com/data.html"
context = ssl._create_unverified_context()
response = request.urlopen(url, context=context)
html = response.read()
然后用熊猫处理它:
import pandas as pd
df = pd.read_html(html)
创建有效上下文
@AlastairMcCormack指出:
context = ssl._create_unverified_context()
仅应用于本地主机或测试。
如果在不验证SSL上下文的情况下访问资源可以解决您的问题,那么现在是创建有效上下文(intro,snippets)以便安全获取的时候了您的资源。
服务器路径
您还可以在“公用名”与服务器域(或其IP)匹配的地方创建新证书。这里的localhost
似乎来自发送到生产服务器的开发证书,该证书无法正常工作。
无论如何,read_html
不能处理HTTPS连接,这一点还是无法解决。