[b]前言[/b] 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。 [b]原先的流程：[/b] [b]改进后的流程：[/b] [b]最近发现的新的解决方案：retrying[/b] 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。[code]retrying[/code]提供一个装饰器函数[code]retry[/code]，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。 如果我们运行[code]have_a_try[/code]函数，那么直到[code]random.randint[/code]返回5，它才会执行结束，否则会一直重新执行。 [b]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：[/b] [list] [*][code]stop_max_attempt_number[/code]：用来设定最大的尝试次数，超过该次数就停止重试[/*] [*] [code]stop_max_delay[/code]：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[/*] [*][code]wait_fixed[/code]：设置在两次[code]retrying[/code]之间的停留时间[/*] [*][code]wait_random_min和wait_random_max[/code]：用随机的方式产生两次[code]retrying[/code]之间的停留时间[/*] [*][code]wait_exponential_multiplier和wait_exponential_max[/code]：以指数的形式产生两次[code]retrying[/code]之间的停留时间，产生的值为[code]2^previous_attempt_number * wait_exponential_multiplier[/code]，[code]previous_attempt_number[/code]是前面已经[code]retry[/code]的次数，如果产生的这个值超过了[code]wait_exponential_max[/code]的大小，那么之后两个retrying之间的停留值都为[code]wait_exponential_max[/code]。这个设计迎合了[code]exponential backoff[/code]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[code]retry_on_exception[/code]传入一个函数对象：[/*] [/list] 在执行[code]read_a_file[/code]函数的过程中，如果报出异常，那么这个异常会以形参[code]exception[/code]传入[code]retry_if_io_error[/code]函数中，如果[code]exception[/code]是[code]IOError[/code]那么就进行[code]retry[/code]，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[code]retry[/code]，这个要用[code]retry_on_result[/code]传入一个函数对象： 在执行[code]get_result[/code]成功后，会将函数的返回值通过形参[code]result[/code]的形式传入[code]retry_if_result_none[/code]函数中，如果返回值是[code]None[/code]那么就进行[code]retry[/code]，否则就结束并返回函数值。 [b]总结[/b] 以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流，谢谢大家对编程素材网的支持。