Leer html de página que devuelve error 404 con urllib2.urlopen

[jja]

Buenas a todos,

Estoy haciendo una aplicación en Python que solicita páginas Web de un Sitio Web, y analiza el texto contenido en las páginas de error 404.

El problema con el que me encuentro es que si el Sitio Web devuelve un error 404, me salta la excepción de dicho error y no me deja acceder al contenido del HTML de la página:

Código:

try:
	f = urllib2.urlopen(page)
	f.close()
	return "Pagina correcta"
except urllib2.HTTPError, e:
	return e.reason

¿Sabéis como podría ver el contenido del HTML de las páginas que devuelven errores 404?

Gracias saludos!

[razpeitia]

Estoy usando python 2.x y me funciona perfectamente.

Código Python:

import urllib2
 
def getPageContent(page):
    try:
            f = urllib2.urlopen(page)
            data = f.read()
            f.close()
            return data
    except urllib2.HTTPError, e:
            return e.reason
 
print getPageContent("http://whatismyip.org")
 

A que pagina estas tratando de acceder?
Que versión de python estas utilizando?
Que error especifico te marca?

[jja]

Iniciado por razpeitia

Estoy usando python 2.x y me funciona perfectamente.

Código Python:

import urllib2
 
def getPageContent(page):
    try:
            f = urllib2.urlopen(page)
            data = f.read()
            f.close()
            return data
    except urllib2.HTTPError, e:
            return e.reason
 
print getPageContent("http://whatismyip.org")
 

A que pagina estas tratando de acceder?
Que versión de python estas utilizando?
Que error especifico te marca?

Estoy usando la 2.7.1.

La página daría igual, cualquiera que produzca un error 404. El tema es que cuando se produce un error 404, y se detecta la excepción, necesito desde el bloque "except" acceder al contenido de la página f devuelta con el error 404 (pero no soy capaz). Las páginas que existen las leo perfectamente.

¿Hay alguna manera de abrir la Web con urllib2.urlopen pero ignorando los errores?

gracias saludos

[razpeitia]

Código Python:

import urllib2
 
def getPageContent(page):
    try:
            f = urllib2.urlopen(page)
            data = f.read()
            f.close()
            return data
    except urllib2.HTTPError, e:
            return e.read()
 
print getPageContent("http://www.wikipedia.org/xyz")
 

En ese caso creo que necesitas esto. O algo similar.

[jja]

Tan fácil como la vida misma , muchas gracias.

Ya podéis cerrar el hilo.

saludos