在使用 scapy 进行大批量爬取的时候,少数请求链接会出现请求超时,当出现请求超时时,爬虫会自动重试三次。
扩展,可以 通过 设置 RETRY_ENABLED = False 来关闭重试机制
若超过 180s 且三次后且还是没有得到数据,就会出现 twisted.internet.error.TimeoutError 错误。
提供几种解决办法:
1、降低同时请求的数量
CONCURRENT_REQUESTS = 5
2、 增加超时时间
DOWNLOAD_TIMEOUT = 2000
3、 增加重试次数
RETRY_TIMES = 5
4、下载中间件中,捕获这个报错,并返回request,让它重新请求这个对象:
from twisted.internet.error import TimeoutError
def process_exception(self, request, exception, spider):
if isinstance(exception, TimeoutError):
return request
?