PythonでURLの有無、存在をチェックするスクリプト

2017/02/18 2017/04/29

Pythonで URLの有無を確認するスクリプト

Pythonの urllib2で URLの有無をチェック

　
入力された URLが正しいか、否かをチェックする処理を考えていたのですが、日本語ドメインのことまで考慮すると、果たしてチェックができるのだろうか？と考えるに至りました。
　
ですが、pythonには「urllib2」という便利なライブラリがありまして、入力された URLにアクセスしてみることで、入力された URLが存在するか、しないかをチェックすることができることが分かりました。
　
というわけで、入力された URLが存在するか、しないかをチェックする処理を解説します。
　
　

退屈なことはPythonにやらせよう ―ノンプログラマーにもできる自動化処理プログラミング

URLが存在しているか、否かを確認するスクリプト

　
サンプルのスクリプトは以下の通りとなります。
　

# -*- coding: utf-8 -*- 

# 文字列検索・置換モジュールの import
import re

# URLを取得するモジュールの import
import urllib2


# URLチェック関数
def checkURL(url):

    if re.match(r"^https?:\/\/", url):
        try:
            response = urllib2.urlopen(url)
            response.close()
            return "OK"
        except urllib2.HTTPError as e:
            print "NotFound:  " + url
            return "NG  Error Code: ", e.code
        except urllib2.URLError as e:
            print "NotFound:  " + url
            return "NG  Reason: ", e.reason
    else:
        return u"URLは http://、https:// から記述してください。"


input_url = "http://yahoo.co.jp"
check_result = checkURL(input_url)

if check_result == "OK":
    print u"アクセスOK"
else:
    print check_result

# -*- coding: utf-8 -*-

# 文字列検索・置換モジュールの import

import re

# URLを取得するモジュールの import

import urllib2

# URLチェック関数

def checkURL(url):

if re.match(r"^https?:\/\/", url):

try:

response = urllib2.urlopen(url)

response.close()

return "OK"

except urllib2.HTTPError as e:

print "NotFound: " + url

return "NG Error Code: ", e.code

except urllib2.URLError as e:

print "NotFound: " + url

return "NG Reason: ", e.reason

else:

return u"URLは http://、https:// から記述してください。"

input_url = "http://yahoo.co.jp"

check_result = checkURL(input_url)

if check_result == "OK":

print u"アクセスOK"

else:

print check_result

URLが存在しているか、否かを確認するスクリプトの解説

　
解説というほど解説する内容はありませんが、入力された URLを「input_url」に入れて、URLのチェック関数を通しています。
　
URLは、まず最初に、「http://」「https://」のいずれかで始まっているかをチェックしています。
「http://」「https://」がないと、次の行の「urllib2.urlopen(url)」でエラーが出るためです。
　
続いて、「urllib2.urlopen(url)」で入力された URLにアクセスをしてサイトの情報を取得します。
サイトの情報が取得できれば、入力された URLは有効な URLとして判断します。
　
この時、エラーが返ってきた場合は、例外処理としてそのエラーを補足して、エラー処理を行います。
　
エラーの補足の順番は、「urllib2.HTTPError」「urllib2.URLError」である必要があります。
　
　
詳しくは、下記のページに解説がありますので参考にしてください。
http://docs.python.jp/2/howto/urllib2.html
　
　

SSL認証エラー「urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:661)」の対処方法

　
ブラウザでは表示される URLでも、Pythonで実行すると「urllib2.URLError」の例外処理で、「urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:661)」のエラーが発生する場合があります。
　
これは、Python 2.7.9以降では SSL証明書が正しくない場合に SSL認証エラーを出すように仕様が変更になったためです。
　
　
対処方法は、下記の 2行をプログラムに追記すれば OKです。
「import urllib2」を編集している次の行あたりに追記するといいでしょう。
　

import ssl
ssl._create_default_https_context = ssl._create_unverified_context

1 2	import ssl ssl._create_default_https_context = ssl._create_unverified_context

　
　
解説は、英語のページですが下記にありますので、あわせて参考にしてください。
https://www.python.org/dev/peps/pep-0476/
　
　

selenium＋Pythonで処理の自動化に関する記事

Selenium WebDriver、Pythonをインストールしブラウザ自動操作の環境構築手順のまとめ
 PythonでUTF-8など日本語（全角文字）を使う方法。コメントにも必要。
Pythonをコマンドラインで実行。全角文字（日本語）を引数にする場合の対処方法
 Selenium WebDriverでFirefoxをプライベートウィンドウ／Chromeをシークレットモードで起動する方法・言語はpython
Selenium WebDriver、Pythonをインストールし Chromeの自動操作の環境構築手順のまとめ
 Beautiful Soupを利用してPythonでスクレイピングを行う環境構築方法の解説
 PythonでMySQLへの接続ライブラリMySQL-pythonの簡単インストール方法
 PythonでURLの有無、存在をチェックするスクリプト

- プログラミング・Web関連技術

最後までお読みいただきましてありがとうございます。
この記事が参考になったと思いましたらソーシャルメディアで共有していただけると嬉しいです！

Message コメントをキャンセル

※入力いただいたコメントは管理者の承認後に掲載されます。

: Selenium WebDriver、Pythonをインストールし Chromeの自動操作の環境構築手順のまとめ

Selenium WebDriverを使ってChromeを自動操作する環境を構築する手順のまとめ。使用するPythonのインストールから、サンプルスクリプトの動作確認までを詳細解説。

: EストアのショップサーブのWordPressサービスにメリット無し

ショップサーブのオプションサービスのWordPressを使ってみましたがデータベースには直接触れず使えないサービスでした。

: mod_pagespeedでWebサイトを超簡単高速化・Google謹製の最終兵器

Webサイトの表示スピード高速化の最終兵器、Google謹製mod_pagespeedの解説です。レンタルサーバではX-Serverでしか利用できませんが、ワンクリックで高速化します。

: 本当に？GMO系ロリポップ・ヘテムルを無料で運用する方法があった！

ロリポップ、ヘテムルを株主優待を利用して実質無料で運営しよう!という解説記事です。株主優待で提供されるサービスの内容を解説し、無料になる仕組みを解説します。

: .gitignoreで無視フォルダの中の特定のファイルを除外「!（否定文）」を使う場合の注意点

Gitで管理する対象、対象外のファイル、フォルダの指定は .gitignoreに記述する。その基本的な記述の方法に加え、無視対象にしたフォルダの中の特定のファイルを管理対象にする記述方法を解説。

: エックスサーバーで独自SSLは永久無料で取り放題。利用方法と理由を解説！

エックスサーバーでは独自SSLが無料でいくつでも設置できるように！しかも、国、都道府県などの数項目の入力と数クリックだけという超簡単！SSL化しない理由がない！

: .gitignoreを更新しても反映されないときは「git rm -r –cached .」でキャッシュを削除

gitの.gitignoreを変更しても記述内容が反映されない時がある。それはGitのキャッシュが残っているため。そんなときは「git rm」コマンドを使ってキャッシュを削除すれば解決する。