Python请求超时错误处理与解决方法
Python中requests库的超时问题常导致程序卡顿、失败甚至资源耗尽,但通过科学设置连接与读取双阶段超时、引入智能重试机制(如Retry类控制重试次数、退避策略和状态码过滤)、以及在批量场景下切换至aiohttp异步并发并合理约束总超时与并发数,可显著提升请求的稳定性、成功率和整体效率——掌握这些实战技巧,让你的网络请求从容应对真实世界的网络波动与服务不确定性。

Python中使用requests库发起网络请求时,经常会遇到TimeoutError或requests.exceptions.Timeout异常。这通常是因为服务器响应过慢或网络不稳定导致连接未能在规定时间内完成。合理处理和优化超时问题,不仅能提升程序稳定性,还能避免资源浪费。
1. 明确设置请求超时时间
不设置超时可能导致程序无限等待。建议始终为请求指定超时时间:
- 使用
timeout参数控制连接和读取超时 - 可传入单个数值(适用于连接和读取),也可传入元组分别设置
import requeststry: response = requests.get( "https://httpbin.org/delay/5", timeout=(3, 5) # 连接3秒,读取5秒 ) print(response.status_code) except requests.exceptions.Timeout: print("请求超时,请检查网络或目标服务状态")
2. 区分连接超时与读取超时
将超时拆分为两个阶段更精细地控制:
- 连接超时:建立TCP连接的最大等待时间
- 读取超时:从服务器接收响应数据的时间
例如,远程API通常连接快但处理慢,可设较短连接超时、较长读取超时。
3. 使用重试机制增强鲁棒性
临时网络抖动可能导致超时,引入重试可提高成功率:
- 使用
urllib3的Retry类配合requests.adapters.HTTPAdapter - 设定最大重试次数、重试间隔、仅对特定状态码或异常重试
from requests.adapters import HTTPAdapter from urllib3.util.retry import Retrysession = requests.Session() retries = Retry( total=3, backoff_factor=1, status_forcelist=[500, 502, 503, 504], allowed_methods=["GET", "POST"] ) adapter = HTTPAdapter(max_retries=retries) session.mount("http://", adapter) session.mount("https://", adapter)
try: resp = session.get("https://api.example.com/data", timeout=(3, 10)) except requests.exceptions.Timeout: print("最终请求失败:超时")
4. 异步请求与并发优化
对于批量请求,同步方式容易因个别超时拖慢整体速度。可改用异步方案:
- 使用
aiohttp+asyncio实现并发请求 - 设置合理的超时与并发数,避免压垮目标服务
import aiohttp import asyncioasync def fetch(session, url): try: async with session.get(url, timeout=10) as resp: return await resp.text() except asyncio.TimeoutError: print(f"超时: {url}") return None
async def main(): urls = ["https://httpbin.org/delay/2"] * 5 connector = aiohttp.TCPConnector(limit=10) timeout = aiohttp.ClientTimeout(total=15)
async with aiohttp.ClientSession(connector=connector, timeout=timeout) as session: tasks = [fetch(session, url) for url in urls] return await asyncio.gather(*tasks)results = asyncio.run(main())
基本上就这些方法。关键是根据实际场景选择合适的超时策略,结合重试与并发,才能有效应对网络不确定性。
到这里,我们也就讲完了《Python请求超时错误处理与解决方法》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于Python,Python编程的知识点!
Golang微服务解耦设计技巧分享
- 上一篇
- Golang微服务解耦设计技巧分享
- 下一篇
- 邮政快递查询入口及查询方法
-
- 文章 · python教程 | 49分钟前 | Python教程 · Python 相对路径 is_file pathlib Path.resolve
- Python pathlib 相对路径规范化与文件判断
- 144浏览 收藏
-
- 文章 · python教程 | 3小时前 | python · 异步编程 · asyncio · Python CancelledError asyncio.timeout TimeoutError
- Python asyncio.timeout 嵌套取消与异常传播
- 373浏览 收藏
-
- 文章 · python教程 | 11小时前 |
- Python heapq 最大堆 API 怎么避免手动取负数
- 397浏览 收藏
-
- 文章 · python教程 | 17小时前 | python · Python 不可变对象 namedtuple dataclass copy.replace
- Python copy.replace 怎么更新不可变对象字段
- 245浏览 收藏
-
- 文章 · python教程 | 21小时前 | python ·
- Python NamedTemporaryFile 的 delete_on_close 怎么设置
- 311浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python itertools.batched strict 参数什么时候会报错
- 306浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python ExceptionGroup split 怎么按异常类型拆分
- 311浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python dataclass slots 与 weakref_slot 怎么一起用
- 207浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python tarfile extraction_filter data_filter
- Python tarfile extraction_filter 怎么阻止危险路径
- 232浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python pathlib.Path.walk 怎么剪枝目录遍历
- 159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。
- 256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。
- 299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。
- 275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。
- 254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。
- 61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
