目录：
- 一：基础try&except异常处理
- 二：普通请求函数的超时处理
- 三：selenium+chrome | phantomjs 的超时处理
- 四：自定义函数的死锁or超时处理
- 五：自定义线程的死锁or超时处理
- 六：自重启的程序设计
一：基础try&except异常处理
try&except的语句作用不仅仅是要让其捕获异常更重要的是让其忽略异常，因为爬虫中的绝大多数异常可能重新请求就不存在，因此，发现异常的时候将其任务队列进行修复其实是个最省力的好办法。
其次被try包住的语句即使出错也不会导致整个程序的退出，相信我，你绝对不希望计划跑一个周末的程序在半夜停止了。
| 1 2 3 4 5 6 7 8 9 10 | try: passhttp://top.jobbole.com/deliver-article/# #可能出错的语句 except Exception,e: pass #保留错误的url，留待下次重跑 print e finally: #无论是否处理了异常都继续运行 print time.ctime() |
二：请求函数的超时处理
2.1:普通请求：
2.1.1单请求类型：
| 1 2 | import requests requests.get(url,timeout=60) |
2.1.2会话保持类型：
| 1 2 3 | import requesocks session = requesocks.session() response = session.get(URL,headers=headers,timeout=10) |
三：selenium+chrome | phantomjs 的超时处理
2.2.1：selenium+chrome的超时设置
官网原文：http://selenium-python.readthedocs.io/waits.html
显式等待：、等待某个条件发生，然后再继续进行代码。
| 1 2 3 4 5 6 7 8 9 10 11 12 13 | from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC driver = webdriver.Firefox() driver.get("http://somedomain/url_that_delays_loading") try: element = WebDriverWait(driver, 10).until( #这里修改时间 EC.presence_of_element_located((By.ID, "myDynamicElement")) ) finally: driver.quit() |
隐式等待：是告诉WebDriver在尝试查找一个或多个元素（如果它们不是立即可用的）时轮询DOM一定时间。默认设置为0，一旦设置，将为WebDriver对象实例的生命期设置隐式等待。
| 1 2 3 4 5 6 | from selenium import webdriver driver = webdriver.Firefox() driver.implicitly_wait(10) # seconds driver.get("http://somedomain/url_that_delays_loading") myDynamicElement = driver.find_element_by_id("myDynamicElement") |
2.2.2：phantomjs的超时设置
这里使用不带selenium的phantomjs，需要使用js。主要设置语句是
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 | page.settings.resourceTimeout = 5000; // 等待5秒 var system = require('system'); var args = system.args; var url = args[1]; var page = require('webpage').create(); page.settings.resourceTimeout = 5000; // 等待5秒 page.onResourceTimeout = function(e) { console.log(e.errorCode); //打印错误码 console.log(e.errorString);//打印错误语句 console.log(e.url); //打印错误url phantom.exit(1); }; page.open(url, function(status) { if(status==='success'){ var html=page.evaluate(function(){ returndocument.documentElement.outerHTML; }); console.log(html); } phantom.exit(); }); //$phantomjs xx.js http://bbs.pcbaby.com.cn/topic-2149414.html |
四：自定义函数的死锁or超时处理
这个非常重要！！
python是顺序执行的，但是如果下一句话可能导致死锁（比如一个while（1））那么如何强制让他超时呢？他本身如果没有带有超时设置的话，就要自己运行信号（import signal）来处理
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 | #coding:utf-8 import time import signal def test(i): time.sleep(0.999)#模拟超时的情况 print "%d within time"%(i) return i def fuc_time(time_out): # 此为函数超时控制，替换下面的test函数为可能出现未知错误死锁的函数 def handler(signum, frame): raise AssertionError try: signal.signal(signal.SIGALRM, handler) signal.alarm(time_out)#time_out为超时时间 temp = test(1) #函数设置部分，如果未超时则正常返回数据， return temp except AssertionError: print "%d timeout"%(i)# 超时则报错 if __name__ == '__main__': for i in range(1,10): fuc_time(1) |
五：自定义线程的死锁or超时处理
在某个程序中一方面不适合使用selenium+phantomjs的方式（要实现的功能比较难不适合）因为只能用原生的phantomjs，但是这个问题他本身在极端情况下也有可能停止（在超时设置之前因为某些错误）
那么最佳方案就是用python单独开一个线程（进程）调用原生phantomjs，然后对这个线程进程进行超时控制。
这里用ping这个命令先做测试，
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 | import subprocess from threading import Timer import time kill = lambda process: process.kill() cmd = ["ping", "www.google.com"] ping = subprocess.Popen( cmd, stdout=subprocess.PIPE, stderr=subprocess.PIPE) my_timer = Timer(5, kill, [ping])#这里设定时间，和命令 try: my_timer.start()#启用 stdout, stderr = ping.communicate()#获得输出 #print stderr print time.ctime() finally: print time.ctime() my_timer.cancel() |
六：自重启的程序设计
比如程序在某种情况下报错多次，，那么满足条件后，让其重启即可解决大多数问题，当然这只不过是治标不治本而已，如果这个程序重启没有大问题（例如读队列类型）那么自重启这是最省力的方式之一。
| 1 2 3 4 5 6 7 8 9 10 11 12 | import time import sys import os def restart_program(): python = sys.executable os.execl(python, python, * sys.argv) if __name__ == "__main__": print 'start...' print u"3秒后,程序将结束...".encode("utf8") time.sleep(3) restart_program() |