爬虫使用twisted，getPage遇到超时错误怎么办？

Question

我使用twisted 及其deferredGenerator 编写了一个爬虫。 以下是关于我的问题的代码：

      @defer.deferredGenerator
      def getReviewsFromPage(self,title,params):

          def deferred1(page):
              d = defer.Deferred()
              reactor.callLater(1,d.callback,self.parseReviewJson(page))
              return d

          def deferred2(dataL,title):
              d = defer.Deferred()
              reactor.callLater(1,d.callback,self.writeToCSV(dataL,title=title))
              return d

          cp = 1
          #for cp in range(1,15000):
          while self.running:
              print cp
              params["currentPageNum"] = cp

              url = self.generateReviewUrl(self.urlPrefix,params = params)
              print url

              wfd = defer.waitForDeferred(getPage(url,timeout=10))
              yield wfd
              page = wfd.getResult()
              wfd = defer.waitForDeferred(deferred1(page))
              yield wfd
              dataList = wfd.getResult()
              wfd = defer.waitForDeferred(deferred2(dataList,title))
              yield wfd
              cp = cp+1

我使用生成器

    self.getReviewsFromPage(title,params)
    reactor.run()

我的问题是： 当函数'getPage'出现超时错误时，我该如何处理错误并再次抓取错误页面？我在getPage中添加了一次addErrback，并想调用getPage，但似乎在reactor运行时，它不会再收到新事件了。

你们中有人遇到过同样的问题吗？非常感谢您的帮助

Answer 1

好像reactor在运行的时候，不会再收到新的事件了。

事实并非如此。事件仅在反应器运行时发生！

你没有分享使用addErrback的代码版本，所以我看不出你的使用方式是否有问题。但是，由于您已经在使用 deferredGenerator，因此更惯用的方法是：

page = None
for i in range(numRetries):
    wfd = defer.waitForDeferred(getPage(url,timeout=10))
    yield wfd
    try:
        page = wfd.getResult()
    except TimeoutError:
        # Do nothing, let the loop continue
        pass
    else:
        # Success, exit the loop
        break
if page is None:
    # Handle the timeout for real
    ...
else:
    # Continue processing
    ...