Python请求错误10060

Question

我有一个抓取网站的脚本。直到今天它运行完美，但是现在不这样做了。

它给我以下错误：

 Connection Aborted Error(10060 ' A connection attempt failed becvause the connected party did not properly respond after a period of time, or established a connection failed because connected host has failed to respond'

我一直在研究答案和设置，但我不知道如何解决这个问题...

在 IE 中我没有使用任何代理（连接 -> 局域网设置 -> 代理 = 禁用）

它在这段代码中中断，有时是第一次运行，有时是第二次......等等

def geturls(functionurl, runtime):
startCrawl = requests.get(functionurl, headers=headers)
mainHtml = BeautifulSoup(startCrawl.content, 'html.parser')
mainItems = mainHtml.find("div",{"id": "js_multiselect_results"})
for tag in mainItems.findAll('a', href=True):
    tag['href'] = urlparse.urljoin(url,tag['href'])
    if shorturl in tag['href'] and tag['href'] not in visited:
        if any(x in tag['href'] for x in keepout):
            falseurls.append(tag['href'])
        elif tag['href'] in urls:
            doubleurls.append(tag['href'])
        else:
            urlfile.write(tag['href'] + "\n")
            urls.append(tag['href'])

totalItemsStart = str(mainHtml.find("span",{"id": "sab_header_results_size"}))
if runtime == 1:
    totalnumberofitems[0] = totalItemsStart
    totalnumberofitems[0] = strip_tags(totalnumberofitems[0])
return totalnumberofitems

我该如何解决这个问题？

Answer 1

尝试增加 requests.get 方法的 timeout 参数：

requests.get(functionurl, headers=headers, timeout=5)

但很可能您的脚本被服务器阻止以防止报废尝试。如果是这种情况，您可以尝试通过设置适当的 headers 来伪造网络浏览器。

{"User-Agent": "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.9.2.8) Gecko/20100722 Firefox/3.6.8 GTB7.1 (.NET CLR 3.5.30729)", "Referer": "http://example.com"}

Python请求错误10060

Python requests error 10060

python

web-crawler

python-requests

urllib