限制/限制GRequest中HTTP请求的速率

Question

我正在用Python 2.7.3编写一个小脚本，其中包含GRequests和lxml，它将允许我从各种网站收集一些可收集的卡价格并进行比较。问题是其中一个网站限制了请求的数量，如果我超过它，就会发回HTTP错误429。

有没有办法在grequests中增加限制请求数，这样我就不会超过我指定的每秒请求数？还有——如果HTTP 429出现，我如何让GRequestes在一段时间后重试？

另一方面，他们的限制低得可笑。大约每15秒8个请求。我多次用我的浏览器违反了它，只是刷新页面等待价格变化。

Answer 1

看起来没有任何简单的机制来处理请求或grequests代码中的此内置代码。似乎唯一的钩子是回应。

这里有一个超级骇人听闻的工作，至少可以证明这是可能的-我修改了grequests，以保留发出请求的时间列表，并HibernateAsyncRequest的创建，直到每秒请求数低于最大值。

class AsyncRequest(object):
    def __init__(self, method, url, **kwargs):
        print self,'init'
        waiting=True
        while waiting:
            if len([x for x in q if x > time.time()-15]) < 8:
                q.append(time.time())
                waiting=False
            else:
                print self,'snoozing'
                gevent.sleep(1)

你可以使用grequests。imap（）以交互方式观看

import time
import rg

urls = [
        'http://www.heroku.com',
        'http://python-tablib.org',
        'http://httpbin.org',
        'http://python-requests.org',
        'http://kennethreitz.com',
        'http://www.cnn.com',
]

def print_url(r, *args, **kwargs):
        print(r.url),time.time()

hook_dict=dict(response=print_url)
rs = (rg.get(u, hooks=hook_dict) for u in urls)
for r in rg.imap(rs):
        print r

我希望有一个更优雅的解决方案，但到目前为止我还找不到。在会话和适配器中环顾四周。也许poolManager可以被增强？

另外，我不会将此代码投入生产 - “q”列表永远不会被修剪，最终会变得非常大。另外，我不知道它是否真的像广告上所说的那样工作。当我查看控制台输出时，它看起来就像这样。

啊。只要看一下代码，我就知道现在是凌晨3点。该上床睡觉了。

Answer 2

请看一下自动请求限制：https://pypi.python.org/pypi/RequestsThrottler/0.2.2

您可以设置每个请求之间的固定延迟量，也可以设置在固定秒数内发送的请求数（基本上是一样的）：

import requests
from requests_throttler import BaseThrottler

request = requests.Request(method='GET', url='http://www.google.com')
reqs = [request for i in range(0, 5)]  # An example list of requests
with BaseThrottler(name='base-throttler', delay=1.5) as bt:
    throttled_requests = bt.multi_submit(reqs)

其中函数< code>multi_submit返回一个< code>ThrottledRequest列表(参见文档:末尾的链接)。

然后，您可以访问以下回复:

for tr in throttled_requests:
    print tr.response

或者，您也可以通过指定在固定时间内发送的请求数（例如，每60秒发送15个请求）来实现相同的目的：

import requests
from requests_throttler import BaseThrottler

request = requests.Request(method='GET', url='http://www.google.com')
reqs = [request for i in range(0, 5)]  # An example list of requests
with BaseThrottler(name='base-throttler', reqs_over_time=(15, 60)) as bt:
    throttled_requests = bt.multi_submit(reqs)

这两种解决方案都可以在不使用< code>with语句的情况下实现:

import requests
from requests_throttler import BaseThrottler

request = requests.Request(method='GET', url='http://www.google.com')
reqs = [request for i in range(0, 5)]  # An example list of requests
bt = BaseThrottler(name='base-throttler', delay=1.5)
bt.start()
throttled_requests = bt.multi_submit(reqs)
bt.shutdown()

更多详情：http://pythonhosted.org/RequestsThrottler/index.html

Answer 3

我要回答我自己的问题，因为我必须自己解决这个问题，而且关于这个问题的信息似乎很少。

想法如下。与GRequest一起使用的每个请求对象在创建时都可以将会话对象作为参数。另一方面，会话对象可以安装在发出请求时使用的HTTP适配器。通过创建我们自己的适配器，我们可以拦截请求并以最适合应用程序的方式对其进行速率限制。在我的案例中，我最终得到了下面的代码。

用于节流的对象:

DEFAULT_BURST_WINDOW = datetime.timedelta(seconds=5)
DEFAULT_WAIT_WINDOW = datetime.timedelta(seconds=15)


class BurstThrottle(object):
    max_hits = None
    hits = None
    burst_window = None
    total_window = None
    timestamp = None

    def __init__(self, max_hits, burst_window, wait_window):
        self.max_hits = max_hits
        self.hits = 0
        self.burst_window = burst_window
        self.total_window = burst_window + wait_window
        self.timestamp = datetime.datetime.min

    def throttle(self):
        now = datetime.datetime.utcnow()
        if now < self.timestamp + self.total_window:
            if (now < self.timestamp + self.burst_window) and (self.hits < self.max_hits):
                self.hits += 1
                return datetime.timedelta(0)
            else:
                return self.timestamp + self.total_window - now
        else:
            self.timestamp = now
            self.hits = 1
            return datetime.timedelta(0)

HTTP适配器：

class MyHttpAdapter(requests.adapters.HTTPAdapter):
    throttle = None

    def __init__(self, pool_connections=requests.adapters.DEFAULT_POOLSIZE,
                 pool_maxsize=requests.adapters.DEFAULT_POOLSIZE, max_retries=requests.adapters.DEFAULT_RETRIES,
                 pool_block=requests.adapters.DEFAULT_POOLBLOCK, burst_window=DEFAULT_BURST_WINDOW,
                 wait_window=DEFAULT_WAIT_WINDOW):
        self.throttle = BurstThrottle(pool_maxsize, burst_window, wait_window)
        super(MyHttpAdapter, self).__init__(pool_connections=pool_connections, pool_maxsize=pool_maxsize,
                                            max_retries=max_retries, pool_block=pool_block)

    def send(self, request, stream=False, timeout=None, verify=True, cert=None, proxies=None):
        request_successful = False
        response = None
        while not request_successful:
            wait_time = self.throttle.throttle()
            while wait_time > datetime.timedelta(0):
                gevent.sleep(wait_time.total_seconds(), ref=True)
                wait_time = self.throttle.throttle()

            response = super(MyHttpAdapter, self).send(request, stream=stream, timeout=timeout,
                                                       verify=verify, cert=cert, proxies=proxies)

            if response.status_code != 429:
                request_successful = True

        return response

设置:

requests_adapter = adapter.MyHttpAdapter(
    pool_connections=__CONCURRENT_LIMIT__,
    pool_maxsize=__CONCURRENT_LIMIT__,
    max_retries=0,
    pool_block=False,
    burst_window=datetime.timedelta(seconds=5),
    wait_window=datetime.timedelta(seconds=20))

requests_session = requests.session()
requests_session.mount('http://', requests_adapter)
requests_session.mount('https://', requests_adapter)

unsent_requests = (grequests.get(url,
                                 hooks={'response': handle_response},
                                 session=requests_session) for url in urls)
grequests.map(unsent_requests, size=__CONCURRENT_LIMIT__)