第1个回答 2022-07-01
爬虫多次访问同一个网站一段时间后会出现错误
是因为在每次数据传输前客户端要和服务器建立TCP连接,为节省传输消耗,默认为keep-alive,即连接一次,传输多次,然而在多次访问后不能结束并回到连接池中,导致不能产生新的连接
headers中的Connection默认为keep-alive,
将header中的Connection一项置为close
解决问题的原因: http连接太多没有关闭导致的 。
解决办法:
1、增加重试连接次数
2、关闭多余的连接
requests使用了urllib3库,默认的http connection是keep-alive的,requests设置False关闭。
Python爬取知乎回答信息碰到:Max retries exceeded with URL
开始我以为程序逻辑出错了,折腾了很久,知乎现在要爬取回答下面所有信息的话,就得翻页了,而获取翻页以及更多的信息就得考虑异步加载。
然后在浏览器里面找到了下一页的url
其中,next就是下一页的url,previous就是上一页的url,total:518是问题下回答的总数。
估计知乎对这些url的访问做了限制,虽然我弄了代理,但还是碰到了这个问题。
解决办法如下:
在requests库获取html时,如果碰到访问不成功,则用try-except加上循环继续访问,并用sleep控制访问频率
问题到这里应该就解决了。
参考: Max retries exceed with URL (需要翻墙)