Python：requests：詳解超時和重試

網路請求不可避免會遇上請求超時的情況，在 requests 中，如果不設置你的程式可能會永遠失去響應。
超時又可分為連接超時和讀取超時。

連接超時

連接超時指的是在你的客戶端實現到遠端機器埠的連接時（對應的是connect()），Request 等待的秒數。

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'))

因為 google 被牆了，所以無法連接，錯誤信息顯示 connect timeout（連接超時）。

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

就算不設置，也會有一個預設的連接超時時間（我測試了下，大概是21秒）。

讀取超時

讀取超時指的就是客戶端等待伺服器發送請求的時間。（特定地，它指的是客戶端要等待伺服器發送位元組之間的時間。在 99.9% 的情況下這指的是伺服器發送第一個位元組之前的時間）。

簡單的說，連接超時就是發起請求連接到連接建立之間的最大時長，讀取超時就是連接成功開始到伺服器返迴響應之間等待的最大時長。

如果你設置了一個單一的值作為 timeout，如下所示：

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

這一 timeout 值將會用作 connect 和 read 二者的 timeout。如果要分別制定，就傳入一個元組：

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

黑板課爬蟲闖關的第四關正好網站人為設置了一個15秒的響應等待時間，拿來做說明最好不過了。

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': 'xx', 'password': 'xx'})

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'))

錯誤信息中顯示的是 read timeout（讀取超時）。

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

讀取超時是沒有預設值的，如果不設置，程式將一直處於等待狀態。我們的爬蟲經常卡死又沒有任何的報錯信息，原因就在這裡了。

超時重試

一般超時我們不會立即返回，而會設置一個三次重連的機制。

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

其實 requests 已經幫我們封裝好了。（但是代碼好像變多了...）

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 為最大重試次數，重試3次，加上最初的一次請求，一共是4次，所以上述代碼運行耗時是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