请求重试和排队
在爬虫开发过程中，由于网络波动或其他原因，请求可能会失败。为了提高程序的鲁棒性，需要建立有效的请求失败处理机制，以保证不会遗漏数据。
一种可行的解决方案是使用队列和重试机制。具体实现如下：
- 使用一个队列（如 redis list）来存储请求失败的 url。
- 建立一个任务处理线程，该线程定期从队列中获取请求 url。
- 对于每个获取到的 url，再次发起请求。
- 如果请求仍然失败，将 url 添加到队列的尾部，稍后重试。
- 如果请求成功，则将 url 从队列中移除。
通过上述机制，请求失败的 url 可以被自动排队和重试，从而避免数据丢失。以下是实现示例：
import redis
import time
# 创建 Redis 客户端
redis_client = redis.Redis()
# 创建队列键
queue_key = 'request_failure_queue'
# 任务处理线程
def task_handler():
while True:
# 从队列中获取 URL
url = redis_client.lpop(queue_key)
if not url:
# 队列为空时休眠 5 秒
time.sleep(5)
else:
# 对 URL 发起请求
try:
response = requests.get(url)
if response.status_code != 200:
# 请求失败，将 URL 添加到队列尾部
redis_client.rpush(queue_key, url)
except Exception:
# 发生异常，将 URL 添加到队列尾部
redis_client.rpush(queue_key, url)
# 主线程
if __name__ == '__main__':
# 创建任务处理线程
handler = task_handler()
# 开启后台线程执行任务处理方法
handler.start()
