Python requests 多线程抓取 出现HTTPConnectionPool Max retires exceeded异常


主要代码如下:


 import threading
import requests

def get_info():
    try:
        res = requests.get('http://www.xxx.com/test/json')
        if res.status_code == 200 and res.text != '':
            print res.text
        else:
            print res.status_code
        time.sleep(10)
        get_info()
    except Exception as e:
        print e

def start():
    threads = []
    for i in range(40):
        threads.append(threading.Thread(target=get_info,args=()))
    for t in threads:
        time.sleep(0.3)
        t.start()
    for t in threads:
        t.join()    

if __name__ == '__main__':
    start()

代码临时写,可能有小错误,大概就是这么个意思:
开启40个线程,间隔0.3秒请求。刚开始很正常,但是2轮过后几乎80% 90%的请求都报异常
HTTPConnectionPool(host=' http://www.xxx.com/ ',port=80):Max retries exceeded with url: /test/json (Caused by(class 'socked.error'):[Errno 10060])

请问是哪里出了问题?

感谢你们的回答
抓的确实是小站。
我的想法是如果服务器临时封禁的话,应该是报10054的错误。
可看起来又像是服务器封禁,前几轮请求都是很正常的,为什么持续时间越长,抛出的异常就越多?
重试几次的方法我做过,似乎不太起作用:


 def get_info(retries=3):
    if 200:
        ...
    else:
        if retries > 0:
            time.sleep(5)
            get_info(retries-1)

初学Python,用来作爬虫。实际上这个问题已经困扰我很久了。我想这个应该是在爬虫项目中很常见的问题,请问该如何着手优化(少量异常可以接受)这个问题?

python requests python-爬虫 网页爬虫

MЯ.悲劇 11 years, 3 months ago

应该是你的服务器与目标站之间的网络连接出了问题,可以在访问目标站时多重试几次..

咸鱼型杏子茶 answered 11 years, 3 months ago

Your Answer