必须先检查 response.status 再读取数据，显式解码 bytes 并处理异常：捕获 HTTPError 后 URLError，从 headers 提取 charset 或 fallback utf-8，用 errors='replace' 避免解码失败。
能直接用 urllib.request 从 URL 读取数据，但不加异常处理和编码判断，十次有八次会卡在乱码、404、超时或重定向上。
用 urllib.request.urlopen() 读取响应内容前必须检查状态码
很多人直接 urlopen(url).read()，结果遇到 403、404 或 502 时程序直接抛异常中断。正确做法是先检查 response.status：
import urllib.request
<p>url = "<a href="https://www.php.cn/link/4d2fe2e8601f7a8018594d98f28706f2">https://www.php.cn/link/4d2fe2e8601f7a8018594d98f28706f2</a>"
try:
response = urllib.request.urlopen(url)
if response.status == 200:
data = response.read()</p><h1>后续处理</h1><pre class='brush:python;toolbar:false;'>else:
print(f"HTTP {response.status}: {response.reason}")except urllib.error.HTTPError as e: print(f"HTTP error: {e.code} {e.reason}") except urllib.error.URLError as e: print(f"Network error: {e.reason}")
-
HTTPError是URLError的子类，必须先捕获前者，否则会被后者吞掉具体错误码 - 有些服务器返回 200 但实际是 HTML 错误页（比如 Cloudflare 的 502 页面），这时需额外检查
response.headers.get('Content-Type')是否含application/json或text/plain - 不要依赖
response.getcode()—— 它和response.status等价，但前者在某些代理环境下可能返回None
读取文本数据时，response.read() 返回 bytes，必须显式解码
urlopen() 永远返回 bytes，不会自动按 Content-Type 中的 charset 解码。常见坑是直接 .decode() 不指定编码，导致 UnicodeDecodeError：
# 错误：没指定编码，且没 fallback
# text = response.read().decode()
<h1>正确：优先从 headers 提取 charset，否则 fallback 到 utf-8</h1><p>content_type = response.headers.get('Content-Type', '')
charset = 'utf-8'
if 'charset=' in content_type:
charset = content_type.split('charset=')[-1].split(';')[0].strip()
text = response.read().decode(charset, errors='replace')</p>- 很多响应头不带
charset（尤其是 API），此时默认用utf-8是合理选择 -
errors='replace'比'strict'更健壮，避免因个别字节损坏整个读取失败 - 如果目标是 JSON，建议跳过手动 decode，直接用
json.load(response)—— 它内部会处理编码
保存文件时别漏掉 response.headers 里的原始信息
直接 open(..., 'wb').write(response.read()) 能存二进制（如图片、PDF），但丢失了服务端声明的类型和推荐文件名。更稳妥的做法是：
立即学习“Python免费学习笔记（深入）”；
filename = response.headers.get('Content-Disposition')
if filename and 'filename=' in filename:
import re
filename = re.search(r'filename="(.+)"', filename)
filename = filename.group(1) if filename else "download.bin"
else:
from urllib.parse import urlparse
parsed = urlparse(url)
filename = parsed.path.split('/')[-1] or "download.bin"
<p>with open(filename, 'wb') as f:
f.write(response.read())</p>-
Content-Disposition头里的filename*（RFC 5987 编码）需额外处理，简单场景可忽略，用filenamefallback - 如果 URL 路径末尾无文件名（如
/api/v1/data），不设默认名会导致保存为.bin或空名，Windows 下会报错 - 写入前建议检查磁盘空间和路径权限 ——
urlopen不负责这些，但生产脚本必须考虑
真正麻烦的不是怎么读，而是怎么判断“读到的内容可信”。比如 Content-Length 和实际 body 长度不符、gzip 响应没被自动解压（urlopen 默认不解压）、HTTPS 证书验证绕过等——这些不会报错，但数据已经不对了。
