我的python程序涉及到用户提供的URL，然后在页面上执行操作。理想情况下，会识别输入错误的网址并弹出错误。但如果他们拥有正确的语法并且不指向任何地方，则会加载ISP错误页面或广告网站。
例如：
“http://washingtonn.edu” - ＆gt; http://search5.comcast.com/?cat=dnsr&con=dsqcy&url=washingtonn.edu
“http://www.amazdon.com/” - ＆gt; http://www.amazdon.com/
有没有办法在不知道所有可能的页面的情况下检测这些？第二个可能很难，因为它是一个真实的网站，但我很乐意捕捉第一个。
谢谢！
答案 0 :(得分：3)
除非我误解你的问题，否则你所要求的是不可能的，没有意义，或者远非微不足道。
如果您考虑它，除了404错误，您检测到页面不存在，如果页面确实存在，则无法知道页面是“好”还是“坏”，因为这是主观。可能会应用一些一般规则，但你不能拥抱所有的可能性。
唯一的方法就是谷歌对这些建议所做的事情，但这意味着一个庞大的数据库，其中列出了网站的受欢迎程度，并且每次都要测试接近度，但这远远超出了微不足道的程度，可能没有必要。
要在python中处理404法规，你可以使用谎言httplib。
祝你好运！答案 1 :(得分：1)
您可以查看HTTP status code您的请求。可能对你最有趣的是404 - Not Found状态。在第二种情况下，你是对的 - 如果回复是一个网页，你不知道用户想要的是什么或是一个错字
答案 2 :(得分：1)
你所说的是启发式，它实际上是一个非常复杂的话题。您可以拥有一个常见网站和常见拼写错误列表 - 如果某些内容无法解决（即404 HTTP响应），请检查列表中的输入，并选择“最接近”的答案（这是一个完整的算法）。虽然它不太可靠，因为拼写错误的网站确实可以正确解析（尽管到了非预期的域）。
一个非常简单的解决方案，如果您非常关心拼写错误的网址，只需要两次查询网址。
答案 3 :(得分：0)
您可以使用正则表达式检查有效的网址，还可以使用httplib检查响应代码并要求200继续。
如果网址有效，HTTPConnection.getresponse（）将返回200