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:
1. def crawl_page(url):
2.
3.
4. pass
5.
6.
7.
8.
9.
10. def log_error(url):
11.
12.
13. pass
14.
15.
16.
17.
18.
19. url = ""
20.
21.
22. try:
23.
24.
25. crawl_page(url)
26.
27.
28. except:
29.
30.
31. log_error(url)
改进后的流程:
1. attempts = 0
2.
3.
4. success = False
5.
6.
7. while attempts < 3 and not success:
8.
9.
10. try:
11.
12.
13. crawl_page(url)
14.
15.
16. success = True
17.
18.
19. except:
20.
21.
22. attempts = 1
23.
24.
25. if attempts == 3:
26.
27.
28. 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。
1. import random
2.
3.
4. from retrying import retry
5.
6.
7.
8.
9.
10. @retry
11.
12.
13. def do_something_unreliable():
14.
15.
16. if random.randint(0, 10) > 1:
17.
18.
19. raise IOError("Broken sauce, everything is hosed!!!111one")
20.
21.
22. else:
23.
24.
25. return "Awesome sauce!"
26.
27.
28.
29.
30.
31. print do_something_unreliable()
如果我们运行 haveatry 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:
· stopmaxattempt_number:用来设定最大的尝试次数,超过该次数就停止重试
· stopmaxdelay: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
· waitrandommin 和 waitrandommax:用随机的方式产生两次 retrying 之间的停留时间
· waitexponentialmultiplier 和 waitexponentialmax:以指数的形式产生两次 retrying 之间的停留时间,产生的值为 2^previousattemptnumber * waitexponentialmultiplier,previousattemptnumber 是前面已经 retry 的次数,如果产生的这个值超过了 waitexponentialmax 的大小,那么之后两个 retrying 之间的停留值都为 waitexponentialmax。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 retryonexception 传入一个函数对象:
1. def retry_if_io_error(exception):
2.
3.
4. return isinstance(exception, IOError)
5.
6.
7.
8.
9.
10. @retry(retry_on_exception=retry_if_io_error)
11.
12.
13. def read_a_file():
14.
15.
16. with open("file", "r") as f:
17.
18.
19. return f.read()
在执行 readafile 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 retryifio_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 retryonresult 传入一个函数对象:
1. def retry_if_result_none(result):
2.
3.
4. return result is None
5.
6.
7.
8.
9.
10. @retry(retry_on_result=retry_if_result_none)
11.
12.
13. def get_result():
14.
15.
16. return None
在执行 getresult 成功后,会将函数的返回值通过形参 result 的形式传入 retryifresultnone 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。
登录 | 立即注册