Python爬虫实例（三）：错误重试，超时处理

错误重试

错误重试用到的方法之一是：@retry()装饰器

装饰器实际是一个python函数，它的作用就是为被装饰的函数（或对象）进行装饰、包装，可以让被装饰的函数（或对象）在不需要做任何代码改动的情况下增加一些额外的功能，即被装饰函数（对象）的增强版。

安装 

pipenv install retrying

应用语法

from retrying import retry
# @retry((指定重试的错误类型), 参数设置)，例如
@retry((ValueError, TypeError), stop_max_attempt_number=5)
def func_name():
    XXX

func_name()

常用的参数有：

1、stop_max_attempt_number：在停止之前尝试的最大次数，最后一次如果还是有异常则会抛出异常，停止运行，默认为5次

2、stop_max_delay：比如设置成10000，那么从被装饰的函数开始执行的时间点开始，到函数成功运行结束或者失败报错中止的时间点，只要这段时间超过10秒，则停止重试（单位是毫秒）

3、wait_fixed：设置在两次retrying之间的停留时间，单位毫秒

4、wait_random_min和wait_random_max：用随机的方式产生两次retrying之间的停留时间。wait_random_min停留最短时间，默认为0，单位毫秒。wait_random_max停留最长时间，默认为1000，单位毫秒

6、retry_on_result：指定一个函数，如果指定的函数返回True，则重试；否则抛出异常退出（指定要在得到哪些结果的时候去retry，retry_on_result传入一个函数对象,在执行get_result成功后，会将函数的返回值通过形参result的形式传入retry_if_result_none函数中，如果返回值是None那么就进行retry，否则就结束并返回函数值）

def retry_if_result_none(result):
    return result is None

@retry(retry_on_result=retry_if_result_none)
def get_result():
    print 'Retry forever ignoring Exceptions with no wait if return value is None'
    return None

7、retry_on_exception: 指定一个函数，如果此函数返回指定异常，则会重试；如果不是指定的异常，则会退出

8、wait_exponential_multiplier和wait_exponential_max：以指数的形式产生两次retrying之间的停留时间，产生的值为2^previous_attempt_number * wait_exponential_multiplier，  previous_attempt_number是前面已经retry的次数，如果产生的这个值超过了wait_exponential_max的大小，那么之后两个retrying之间的停留值都为wait_exponential_max

---

超时处理

爬虫可能会因为网络问题导致请求失败，或一直等待响应，这样会影响程序效率。为避免该问题，我们可以给requests的请求加上timeout参数，限制爬虫在一定的时间内需返回结果，否则就会报超时错误。

requests.get或requests.post——timeout参数的单位为秒，可以设置请求的超时时间，如果超出时间，则返回异常

response = requests.get(url, headers=headers, timeout=0.4)

自己编写超时函数装饰器

未完，待续。。。。

---

超时处理与retry装饰器的结合应用

爬虫请求中的timeout参数可以与retry装饰器结合使用。这样爬虫就可以避免偶然的网络波动导致的请求错误，会在设置的重试次数内重复发起请求。

import requests
from retrying import retry


# 全部报错才会报错，如果其中一次正常，则继续执行
# 两次retry之间等待2秒，重试5次
@retry(stop_max_attempt_number=5, wait_fixed=2000)
def get_request(url):
    response = requests.get(url, headers=headers, timeout=1)
    return response.content.decode()


headers = {"user-agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36"}
url = "https://www.baidu.com/"
print(get_request(url))

上面的例子，每次请求的超时限制是1秒，如果超过1秒未返回响应，则会报错。报错之后，会间隔2秒后再重新发起请求。只要其中一次正常，就会继续执行；否则，如果5次全部报错，才会报错。

---

捕捉异常

import requests
from retrying import retry


# 全部报错才会报错，如果其中一次正常，则继续执行
# 两次retry之间等待2秒，重试5次
@retry(stop_max_attempt_number=5, wait_fixed=1000)
def _get_request(url):
    response = requests.get(url, headers=headers, timeout=1)
    return response.content.decode()


def get_request(url):
    try:
        html_str = _get_request(url)
    except TimeoutError:  # 1
        html_str = 'TimeoutError'
    except:  # 2
        html_str = 'OtherError'
    return html_str


headers = {"user-agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36"}
url = "https://www.baidu.com/"
print(get_request(url))

上面# 2处的except下面会出现“too broad exception clauses”（This inspection highlights too broad exception clauses such as no exception class specified, or specified as 'Exception'.）这是由于# 2处的except没有指定具体的报错类型，所以会出现exception过于宽泛的提示。

 

参考：

python的retry模块

Python @retry装饰器的使用与实现案例(requests请求失败并重复请求)

 

                                                如果觉得内容不错，请扫码关注微信公众号，获取更多内容