Python爬虫之异常重试的解决方案详解

大家在做数据抓取的时候，经常遇到由于网络问题导致的程序保存，先前只是记录了错误内容，并对错误内容进行后期处理。

原先的流程：
def crawl_page(url): pass def log_error(url): pass url = "" try:
crawl_page(url) except: log_error(url)
改进后的流程：
attempts = 0 success = False while attempts < 3 and not success: try:
crawl_page(url) success = True except: attempts += 1 if attempts == 3: break
最近发现的新的解决方案：retrying

retrying是一个 Python的重试包，可以用来自动重试一些可能运行失败的程序段。retrying提供一个装饰器函数retry
，被装饰的函数就会在运行失败的条件下重新执行，默认只要一直报错就会不断重试。
import random from retrying import retry @retry def do_something_unreliable():
if random.randint(0, 10) > 1: raise IOError("Broken sauce, everything is
hosed!!!111one") else: return "Awesome sauce!" print do_something_unreliable()
如果我们运行have_a_try函数，那么直到random.randint返回5，它才会执行结束，否则会一直重新执行。

retry还可以接受一些参数，这个从源码中Retrying类的初始化函数可以看到可选的参数：

* stop_max_attempt_number：用来设定最大的尝试次数，超过该次数就停止重试
*  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，函数就不会再执行了
* wait_fixed：设置在两次retrying之间的停留时间
* 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_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。这个设计迎合了exponential backoff
算法，可以减轻阻塞的情况。
* 我们可以指定要在出现哪些异常的时候再去retry，这个要用retry_on_exception传入一个函数对象：def
retry_if_io_error(exception): return isinstance(exception, IOError)
@retry(retry_on_exception=retry_if_io_error) def read_a_file(): with
open("file", "r") as f: return f.read()在执行read_a_file函数的过程中，如果报出异常，那么这个异常会以形参
exception传入retry_if_io_error函数中，如果exception是IOError那么就进行retry，如果不是就停止运行并抛出异常。

我们还可以指定要在得到哪些结果的时候去retry，这个要用retry_on_result传入一个函数对象：
def retry_if_result_none(result): return result is None
@retry(retry_on_result=retry_if_result_none) def get_result(): return None
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。

• « 上一篇：python爬虫常见问题（一）
• » 下一篇：部门经理审批流程