如果条件不满足如何迭代循环

Question

我正在尝试获取相应电影名称的 ID，因为我需要检查 url 是否正常工作。 如果没有，那么我需要 append 空列表中的电影名称

data = {'id': [nan, nan, nan,nan],
            'movie_name': ['captain-fantastic', 'passengers', 'transformers','guardians-of-the-galaxy-vol-2']}


data2 = {'id': [nan, nan, nan,nan],
        'movie_name': ['captain-fantastic', 'passengers', 'transformers','guardians-of-the-galaxy-vol.2']}

dfa = pd.DataFrame(data)
dfa2 = pd.DataFrame(data2)

from turtle import clear
from urllib.request import Request, urlopen
import pandas as pd
import urllib.request as ur, json

movie_buff_uuid= []

for i in dfa["movie_name"]:
    url = ur.urlopen("https://www.moviebuff.com/"+str(i)+".json")
    d = json.loads(url.read())['uuid']
    movie_buff_uuid.append(d)    

打印（movie_buff_uuid）

如果我在上述循环中传递了 data2，则会收到此错误 urllib.error.HTTPError: HTTP 错误 404: Not Found 以克服此错误。 我试过这个

movie_buff_uuid= []

for i in dfa["movie_name"]:
    url = ur.urlopen("https://www.moviebuff.com/"+str(i)+".json")
    if url.getcode() == 404:
       d = json.loads(url.read())['uuid']
    else:
        d = i

movie_buff_uuid.append(d)
     
print(movie_buff_uuid)

预期 output：

['f8379c86-1307-4b22-b175-5000284ef6b9', '8f0c611a-4356-454d-a6d6-aac437519540', '7cd2dffa-cb31-4897-a7b0-30dcaee66104', 'guardians-of-the-galaxy-vol.2']

任何想法将不胜感激

Answer 1

正如 dominik-air 所说，当文件不存在时，您会收到 404 响应。 然而，Python 的内置urllib在收到此错误时会引发错误（例如，与非常流行的requests库不同）。

在 Python 中，我们通常使用 try/catch 流来处理这个问题（ EAFP ）。

把它们放在一起：

import json
from time import sleep
from urllib.error import HTTPError
from urllib.request import urlopen

movie_buff_uuid = []
movies = ['captain-fantastic', 'passengers', 'transformers','guardians-of-the-galaxy-vol-2']

for movie in movies:
    try:
        url = urlopen(f"https://www.moviebuff.com/{movie}.json")
        uuid = json.loads(url.read())['uuid']
        movie_buff_uuid.append(uuid)
    except HTTPError:
        movie_buff_uuid.append(movie)
    sleep(5)  # let's avoid hitting the server too heavily

（您也不需要第一部分中的数据框:)）

Answer 2

要检查给定的 url 是否有效，您可以阅读请求的状态代码。 404 HTTP 状态代码表示该站点不存在。 您的变量集的示例用法：

for i in dfa['movie_name']:
    url = ur.urlopen("https://www.moviebuff.com/"+str(i)+".json")
    if url.getcode() == 404:
        # insert code you want to run here