我試圖不顯示/獲取 scrapy 中拋出的一些process_response錯誤RetryMiddleware。超過最大重試限制時腳本遇到的錯誤。我在中間件中使用了代理。奇怪的是腳本拋出的異常已經在列表中EXCEPTIONS_TO_RETRY。腳本有時可能會超過最大重試次數而沒有成功，這是完全可以的。但是，我只是不希望看到該錯誤，即使它存在，這意味著抑制或繞過它。錯誤是這樣的：Traceback (most recent call last): File "middleware.py", line 43, in process_request defer.returnValue((yield download_func(request=request,spider=spider)))twisted.internet.error.TCPTimedOutError: TCP connection timed out: 10060: A connection attempt failed because the connected party did not properly respond after a period of time, or established connection failed because connected host has failed to respond..這是process_response里面的RetryMiddleware樣子：class RetryMiddleware(object): cus_retry = 3 EXCEPTIONS_TO_RETRY = (defer.TimeoutError, TimeoutError, DNSLookupError, \ ConnectionRefusedError, ConnectionDone, ConnectError, \ ConnectionLost, TCPTimedOutError, TunnelError, ResponseFailed) def process_exception(self, request, exception, spider): if isinstance(exception, self.EXCEPTIONS_TO_RETRY) \ and not request.meta.get('dont_retry', False): return self._retry(request, exception, spider) def _retry(self, request, reason, spider): retries = request.meta.get('cus_retry',0) + 1 if retries<=self.cus_retry: r = request.copy() r.meta['cus_retry'] = retries r.meta['proxy'] = f'https://{ip:port}' r.dont_filter = True return r else: print("done retrying")我怎樣才能消除 中的錯誤EXCEPTIONS_TO_RETRY？PS：無論我選擇哪個站點，當達到最大重試限制時腳本都會遇到錯誤。
3 回答
白衣染霜花
TA貢獻1796條經驗 獲得超10個贊
當達到最大重試次數時，類似的方法parse_error()應該處理蜘蛛中存在的任何錯誤：
def start_requests(self):
for start_url in self.start_urls:
yield scrapy.Request(start_url,errback=self.parse_error,callback=self.parse,dont_filter=True)
def parse_error(self, failure):
# print(repr(failure))
pass
然而，我想在這里提出一種完全不同的方法。如果您采用以下路線，則根本不需要任何自定義中間件。包括重試邏輯在內的所有內容都已經存在于蜘蛛中。
class mySpider(scrapy.Spider):
name = "myspider"
start_urls = [
"some url",
]
proxies = [] #list of proxies here
max_retries = 5
retry_urls = {}
def parse_error(self, failure):
proxy = f'https://{ip:port}'
retry_url = failure.request.url
if retry_url not in self.retry_urls:
self.retry_urls[retry_url] = 1
else:
self.retry_urls[retry_url] += 1
if self.retry_urls[retry_url] <= self.max_retries:
yield scrapy.Request(retry_url,callback=self.parse,meta={"proxy":proxy,"download_timeout":10}, errback=self.parse_error,dont_filter=True)
else:
print("gave up retrying")
def start_requests(self):
for start_url in self.start_urls:
proxy = f'https://{ip:port}'
yield scrapy.Request(start_url,callback=self.parse,meta={"proxy":proxy,"download_timeout":10},errback=self.parse_error,dont_filter=True)
def parse(self,response):
for item in response.css().getall():
print(item)
不要忘記添加以下行以從上述建議中獲得上述結果：
custom_settings = {
'DOWNLOADER_MIDDLEWARES': {
'scrapy.downloadermiddlewares.retry.RetryMiddleware': None,
}
}
順便說一句，我正在使用 scrapy 2.3.0。
慕運維8079593
TA貢獻1876條經驗 獲得超5個贊
也許問題不在您這邊，但第三方網站可能有問題。也許他們的服務器上存在連接錯誤，或者可能是安全的，所以沒有人可以訪問它。
因為該錯誤甚至表明該錯誤與一方有關，該錯誤已關閉或無法正常工作，可能首先檢查第三方站點是否在請求時正常工作。如果可以的話嘗試聯系他們。
因為錯誤不是在你這邊，而是在黨那邊，正如錯誤所說。
添加回答
舉報
0/150
提交
取消