使用scapy 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。若超过180s且三次后仍没有得到数据,就会放弃请求出现twisted.internet.error.TimeoutError 错误。此时就出现了爬取失败的情况。
错误原因:
当网络无法满足在180s内下载完所有的请求数量,就会出现此类错误。
解决办法:
这里做个示例,具体情况具体分析
1、降低同时请求的数量
CONCURRENT_REQUESTS = 2
2、 设置合适的超时时间,
DOWNLOAD_TIMEOUT = 1800
3、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