zoukankan      html  css  js  c++  java

  • 详解Python requests 超时和重试的方法-转载

    转自：https://www.cnblogs.com/gl1573/p/10129382.html

    转自：https://blog.csdn.net/weixin_39198406/article/details/81482082

    网络请求不可避免会遇上请求超时的情况，在 requests 中，如果不设置你的程序可能会永远失去响应。

    超时又可分为连接超时和读取超时。

    连接超时

    连接超时指的是在你的客户端实现到远端机器端口的连接时（对应的是 connect() ），Request 等待的秒数。

    ?
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    import time
    import requests
     
    url = 'http://www.google.com.hk'
     
    print(time.strftime('%Y-%m-%d %H:%M:%S'))
    try:
      html = requests.get(url, timeout=5).text
      print('success')
    except requests.exceptions.RequestException as e:
      print(e)
     
    print(time.strftime('%Y-%m-%d %H:%M:%S'))

    因为 google 被墙了，所以无法连接，错误信息显示 connect timeout（连接超时）。

    2018-12-14 14:38:20
    HTTPConnectionPool(host='www.google.com.hk', port=80): Max retries exceeded with url: / (Caused by ConnectTimeoutError(<urllib3.connection.HTTPConnection object at 0x00000000047F80F0>, 'Connection to www.google.com.hk timed out. (connect timeout=5)'))
    2018-12-14 14:38:25

    就算不设置，也会有一个默认的连接超时时间（我测试了下，大概是21秒）。

    读取超时

    读取超时指的就是客户端等待服务器发送请求的时间。（特定地，它指的是客户端要等待服务器发送字节之间的时间。在 99.9% 的情况下这指的是服务器发送第一个字节之前的时间）。

    简单的说，连接超时就是发起请求连接到连接建立之间的最大时长，读取超时就是连接成功开始到服务器返回响应之间等待的最大时长。

    读取超时是没有默认值的，如果不设置，程序将一直处于等待状态。 我们的爬虫经常卡死又没有任何的报错信息，原因就在这里了。

    如果你设置了一个单一的值作为 timeout，如下所示：

    ?
    1
    r = requests.get('https://github.com', timeout=5)

    这一 timeout 值将会用作 connect 和 read 二者的 timeout。如果要分别制定，就传入一个元组：

    ?
    1
    r = requests.get('https://github.com', timeout=(3.05, 27))

    黑板课爬虫闯关的第四关正好网站人为设置了一个15秒的响应等待时间，拿来做说明最好不过了。

    ?
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    import time
    import requests
     
    url_login = 'http://www.heibanke.com/accounts/login/?next=/lesson/crawler_ex03/'
     
    session = requests.Session()
    session.get(url_login)
     
    token = session.cookies['csrftoken']
    session.post(url_login, data={'csrfmiddlewaretoken': token, 'username': 'guliang21', 'password': '123qwe'})
     
    print(time.strftime('%Y-%m-%d %H:%M:%S'))
     
    url_pw = 'http://www.heibanke.com/lesson/crawler_ex03/pw_list/'
    try:
      html = session.get(url_pw, timeout=(5, 10)).text
      print('success')
    except requests.exceptions.RequestException as e:
      print(e)
     
    print(time.strftime('%Y-%m-%d %H:%M:%S'))

    错误信息中显示的是 read timeout（读取超时）。

    2018-12-14 15:20:47
    HTTPConnectionPool(host='www.heibanke.com', port=80): Read timed out. (read timeout=10)
    2018-12-14 15:20:57

    超时重试

    一般超时我们不会立即返回，而会设置一个三次重连的机制。

    ?
    1
    2
    3
    4
    5
    6
    7
    8
    def gethtml(url):
      i = 0
      while i < 3:
        try:
          html = requests.get(url, timeout=5).text
          return html
        except requests.exceptions.RequestException:
          i += 1

    其实 requests 已经帮我们封装好了。（但是代码好像变多了…）

    ?
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    import time
    import requests
    from requests.adapters import HTTPAdapter
     
    s = requests.Session()
    s.mount('http://', HTTPAdapter(max_retries=3))
    s.mount('https://', HTTPAdapter(max_retries=3))
     
    print(time.strftime('%Y-%m-%d %H:%M:%S'))
    try:
      r = s.get('http://www.google.com.hk', timeout=5)
      return r.text
    except requests.exceptions.RequestException as e:
      print(e)
    print(time.strftime('%Y-%m-%d %H:%M:%S'))

    max_retries 为最大重试次数，重试3次，加上最初的一次请求，一共是4次，所以上述代码运行耗时是20秒而不是15秒

    2018-12-14 15:34:03
    HTTPConnectionPool(host='www.google.com.hk', port=80): Max retries exceeded with url: / (Caused by ConnectTimeoutError(<urllib3.connection.HTTPConnection object at 0x0000000013269630>, 'Connection to www.google.com.hk timed out. (connect timeout=5)'))
    2018-12-14 15:34:23

    1. 连接超时

    服务器在指定时间内没有应答，抛出 requests.exceptions.ConnectTimeout

    requests.get('http://github.com', timeout=0.001)

# 抛出错误
requests.exceptions.ConnectTimeout: HTTPConnectionPool(host='github.com', port=80): Max retries exceeded with url: / (Caused by ConnectTimeoutError(<urllib3.connection.HTTPConnection object at 0x7f1b16da75f8>, 'Connection to github.com timed out. (connect timeout=0.001)'))

    2. 连接、读取超时

    若分别指定连接和读取的超时时间，服务器在指定时间没有应答，抛出 requests.exceptions.ConnectTimeout
    - timeout=([连接超时时间], [读取超时时间])
    - 连接：客户端连接服务器并并发送http请求服务器
    - 读取：客户端等待服务器发送第一个字节之前的时间 

    requests.get('http://github.com', timeout=(6.05, 0.01))

# 抛出错误
requests.exceptions.ReadTimeout: HTTPConnectionPool(host='github.com', port=80): Read timed out. (read timeout=0.01)

    3. 未知的服务器

    抛出 requests.exceptions.ConnectionError

    
requests.get('http://github.comasf', timeout=(6.05, 27.05))

# 抛出错误
requests.exceptions.ConnectionError: HTTPConnectionPool(host='github.comasf', port=80): Max retries exceeded with url: / (Caused by NewConnectionError('<urllib3.connection.HTTPConnection object at 0x7f75826665f8>: Failed to establish a new connection: [Errno -2] Name or service not known',))

    4. 代理连接不上

    代理服务器拒绝建立连接，端口拒绝连接或未开放，抛出 requests.exceptions.ProxyError

    requests.get('http://github.com', timeout=(6.05, 27.05), proxies={"http": "192.168.10.1:800"})

# 抛出错误
requests.exceptions.ProxyError: HTTPConnectionPool(host='192.168.10.1', port=800): Max retries exceeded with url: http://github.com/ (Caused by ProxyError('Cannot connect to proxy.', NewConnectionError('<urllib3.connection.HTTPConnection object at 0x7fce3438c6d8>: Failed to establish a new connection: [Errno 111] Connection refused',)))

    5. 连接代理超时

    代理服务器没有响应 requests.exceptions.ConnectTimeout

    requests.get('http://github.com', timeout=(6.05, 27.05), proxies={"http": "10.200.123.123:800"})

# 抛出错误
requests.exceptions.ConnectTimeout: HTTPConnectionPool(host='10.200.123.123', port=800): Max retries exceeded with url: http://github.com/ (Caused by ConnectTimeoutError(<urllib3.connection.HTTPConnection object at 0x7fa8896cc6d8>, 'Connection to 10.200.123.123 timed out. (connect timeout=6.05)'))

     

    6. 代理读取超时

    说明与代理建立连接成功，代理也发送请求到目标站点，但是代理读取目标站点资源超时
    即使代理访问很快，如果代理服务器访问的目标站点超时，这个锅还是代理服务器背
    假定代理可用，timeout就是向代理服务器的连接和读取过程的超时时间，不用关心代理服务器是否连接和读取成功

    requests.get('http://github.com', timeout=(2, 0.01), proxies={"http": "192.168.10.1:800"})

# 抛出错误
requests.exceptions.ReadTimeout: HTTPConnectionPool(host='192.168.10.1:800', port=1080): Read timed out. (read timeout=0.5)

     

    7. 网络环境异常

    可能是断网导致，抛出 requests.exceptions.ConnectionError

    requests.get('http://github.com', timeout=(6.05, 27.05))

# 抛出错误
requests.exceptions.ConnectionError: HTTPConnectionPool(host='github.com', port=80): Max retries exceeded with url: / (Caused by NewConnectionError('<urllib3.connection.HTTPConnection object at 0x7fc8c17675f8>: Failed to establish a new connection: [Errno -3] Temporary failure in name resolution',))

    8. 官网的一些参考

    你可以告诉 requests 在经过以 timeout 参数设定的秒数时间之后停止等待响应。基本上所有的生产代码都应该使用这一参数。如果不使用，你的程序可能会永远失去响应：

>>> requests.get('http://github.com', timeout=0.001)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
requests.exceptions.Timeout: HTTPConnectionPool(host='github.com', port=80): Request timed out. (timeout=0.001)

并不是整个下载响应的时间限制，而是如果服务器在 timeout 秒内没有应答，将会引发一个异常（更精确地说，是在 timeout 秒内没有从基础套接字上接收到任何字节的数据时）


- 遇到网络问题（如：DNS 查询失败、拒绝连接等）时，Requests 会抛出一个 requests.exceptions.ConnectionError 异常。
- 如果 HTTP 请求返回了不成功的状态码， Response.raise_for_status() 会抛出一个 HTTPError 异常。
- 若请求超时，则抛出一个 Timeout 异常。
- 若请求超过了设定的最大重定向次数，则会抛出一个 TooManyRedirects 异常。
- 所有Requests显式抛出的异常都继承自 requests.exceptions.RequestException 。

     
  • 相关阅读:
    To do list
    2020 上半学期比赛记录
    板子
    Project Euler 1~10 野蛮题解
    卡常火车头
    防止unordered_map 被卡方法
    2019 香港区域赛 BDEG 题解
    2019徐州区域赛 ACEFM 题解 & pollard-rho & miller-rabin & 求出每个子树的重心 板子
    BST-splay板子
    ZJOI2017(2) 游记
  • 原文地址：https://www.cnblogs.com/tianleblog/p/11496177.html
Copyright © 2011-2022 走看看