重试时保留Session和Header方法
本文深入讲解了在使用 Python 的 `requests` 库进行 HTTP 请求重试时,如何确保 Session Cookie 和自定义请求头(如 Authorization、User-Agent)全程自动保留、不丢失的关键实践——核心在于复用同一个 `Session` 实例并正确配置 `HTTPAdapter` 与 `Retry` 策略,让 Session 自身的 Cookie 管理机制和 header 继承能力无缝覆盖所有重试请求;同时明确指出手动新建请求、绕过 Session 或在重试中重建 Session 等常见错误操作,并提供可验证的调试技巧与动态更新 header/cookie 的安全方案,帮助开发者构建稳定、状态一致、符合真实会话逻辑的高可靠性 HTTP 客户端。

使用 requests 重试时保留原始 Session 的所有 cookie 和 header,关键在于**复用同一个 Session 实例**,并确保重试逻辑不干扰其内部状态(如 cookies、headers 和连接池)。默认的 requests.adapters.HTTPAdapter 重试机制天然支持这一点——它不会清空或覆盖 Session 的 cookie 或自定义 header。
✅ 正确做法:用同一个 Session + Retry 配置
Session 对象本身会自动管理 cookie(自动存储响应中的 Set-Cookie,并在后续请求中带上),也会保留你通过 session.headers.update(...) 设置的默认 header。只要重试是通过该 Session 发起的,这些状态全程有效。
- 创建一个
requests.Session()实例 - 设置你需要的默认 headers(如
User-Agent、Authorization) - 配置
HTTPAdapter并启用Retry,挂载到 session 的 mount 点 - 所有
session.get()/session.post()调用都会自动携带 cookie 和 header,并在重试时保持不变
示例代码:
import requests from requests.adapters import HTTPAdapter from urllib3.util.retry import Retrysession = requests.Session() session.headers.update({ "User-Agent": "MyApp/1.0", "X-Client-ID": "abc123" })
配置重试策略(最多重试 3 次,遇到 5xx 或网络错误就重试)
retry_strategy = Retry( total=3, status_forcelist=[429, 500, 502, 503, 504], backoff_factor=1, ) adapter = HTTPAdapter(max_retries=retry_strategy) session.mount("http://", adapter) session.mount("https://", adapter)
第一次请求登录,服务端返回 Set-Cookie → 自动存入 session.cookies
resp1 = session.post("https://api.example.com/login", json={"u": "a", "p": "b"})
后续请求(含重试)自动携带登录态 cookie 和你设的 headers
resp2 = session.get("https://api.example.com/data") # 即使失败重试,cookie 和 headers 不变
⚠️ 常见错误:手动新建 Request 或绕过 Session
以下写法会丢失 cookie 和 header:
requests.get(...)(没用 session)→ 每次都是全新 request,无状态- 用
session.prepare_request(req)手动构造再发 → 若未显式传入cookies和headers,容易遗漏 - 在重试回调里 new 一个 session → 彻底丢弃原有上下文
? 验证是否生效的小技巧
调试时可打印关键字段确认:
print(session.cookies)—— 查看当前已存储的 cookiesprint(session.headers)—— 确认默认 headers 是否还在- 开启
logging看底层请求(urllib3)是否带了Cookie:和自定义 header
? 进阶:需要动态 header 或 cookie?
如果某些 header 或 cookie 需每次请求前计算(如 token 过期需刷新),不要直接改 session.headers,而是:
- 用
session.request(method, url, headers={...})显式传入动态值(会与默认 headers 合并) - 对 cookie,可先调
session.cookies.set(...)更新,再发请求 - 避免在重试中间修改 session 状态,否则可能影响重试行为的一致性
今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~
Win11多标签文件夹怎么打开
- 上一篇
- Win11多标签文件夹怎么打开
- 下一篇
- JavaServiceLoader详解:SPI服务加载核心类
-
- 文章 · python教程 | 11小时前 | python · asyncio · asyncio Python异步 as_completed
- Python asyncio.as_completed 怎样按完成顺序处理结果
- 144浏览 收藏
-
- 文章 · python教程 | 14小时前 |
- Python Fraction 近似浮点数时怎样控制最大分母
- 417浏览 收藏
-
- 文章 · python教程 | 14小时前 |
- Python compression.zstd 怎样读取大压缩流
- 288浏览 收藏
-
- 文章 · python教程 | 14小时前 |
- Python 3.15 t-string 怎样用于模板化文本
- 491浏览 收藏
-
- 文章 · python教程 | 14小时前 | 连接池 · python ·
- Python httpx 怎样复用异步客户端连接
- 299浏览 收藏
-
- 文章 · python教程 | 14小时前 | SQLite · Python教程 · 内存数据库 serialize Python sqlite3 deserialize SQLite迁移
- Python sqlite3 serialize 与 deserialize 的内存数据库迁移方法
- 497浏览 收藏
-
- 文章 · python教程 | 14小时前 |
- Python logging 怎样用 contextvars 注入请求标识
- 471浏览 收藏
-
- 文章 · python教程 | 14小时前 |
- Python typing.Protocol 怎样描述可替换依赖
- 236浏览 收藏
-
- 文章 · python教程 | 14小时前 |
- Python multiprocessing 怎样选择 spawn 和 fork
- 322浏览 收藏
-
- 文章 · python教程 | 14小时前 | JSON · Python教程 · Python JSON enum 反序列化 序列化 json.dumps json.loads StrEnum
- Python StrEnum 怎样与 JSON 字符串互转
- 393浏览 收藏
-
- 文章 · python教程 | 15小时前 |
- Python 3.15 延迟导入怎样评估启动收益
- 133浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 475次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 533次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 553次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 506次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 326次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览
