如果socket.setdefaulttimeout（）不工作，我该怎么办？

Question

我正在编写一个脚本（多线程）来从一个网站检索内容，而该网站并不十分稳定，因此时不时会有挂起的http请求，甚至无法通过socket.setdefaulttimeout()进行时间路由。因为我无法控制那个网站，我唯一能做的就是改进我的代码，但我现在已经没有什么想法了。

示例代码：

socket.setdefaulttimeout(150)

MechBrowser = mechanize.Browser()
Header = {'User-Agent': 'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.9.2.8) Gecko/20100722 Firefox/3.6.8 GTB7.1 (.NET CLR 3.5.30729)'}
Url = "http://example.com"
Data = "Justatest=whatever&letstry=doit"
Request = urllib2.Request(Url, Data, Header)
Response = MechBrowser.open(Request)
Response.close()

我该怎么做才能迫使绞刑请求退出？实际上，我想知道为什么socket.setdefaulttimeout(150)一开始不起作用。有人能帮我吗？

添加：（是的问题仍未解决）

好的，我已经遵循了tomasz的建议，并将代码改为MechBrowser.open(Request, timeout = 60)，但是同样的事情发生了。到目前为止，我仍然随机收到一些绞刑请求，有时是几个小时，有时可能是几天。我现在该怎么办？有没有办法迫使这些绞刑请求退出？

Answer 1

您可以尝试使用mechanize with eventlet。它不能解决超时问题，但greenlet是非阻塞的，所以它可以解决性能问题。

Answer 2

从他们的文件来看：

Since Python 2.6, urllib2 uses a .timeout attribute on Request objects internally. However, urllib2.Request has no timeout constructor argument, and urllib2.urlopen() ignores this parameter. mechanize.Request has a timeout constructor argument which is used to set the attribute of the same name, and mechanize.urlopen() does not ignore the timeout attribute.

也许您应该尝试用mechanize.Request替换urllib2.Request。

Answer 3

虽然socket.setsocketimeout将为新套接字设置默认超时，但如果不直接使用套接字，则很容易覆盖该设置。特别是，如果库在其套接字上调用socket.setblocking，它将重置超时。

urllib2.open有一个超时参数，hoviewer，urllib2.Request中没有超时。在使用mechanize时，应参考他们的文档：

Since Python 2.6, urllib2 uses a .timeout attribute on Request objects internally. However, urllib2.Request has no timeout constructor argument, and urllib2.urlopen() ignores this parameter. mechanize.Request has a timeout constructor argument which is used to set the attribute of the same name, and mechanize.urlopen() does not ignore the timeout attribute.

来源：http://wwwsearch.sourceforge.net/mechanize/documentation.html

---编辑---

如果socket.setsockettimeout或将超时传递给mechanize的值很小，但不是更高，则问题的根源可能完全不同。一件事是你的库可能会打开多个连接（这里归功于@Cédric Julien），因此超时适用于socket.open的每次尝试，如果它没有在第一次失败时停止，则可能需要长达timeout * num_of_conn秒的时间。另一件事是socket.recv：如果连接真的很慢，而且你够不走运，那么整个请求可能需要timeout * incoming_bytes的时间，就像每个socket.recv我们可以得到一个字节一样，每个这样的调用可能需要timeout秒。因为您不太可能遭受这种黑暗场景的影响（每超时秒一个字节？你必须是一个非常粗鲁的男孩），这很可能要求花很长时间非常慢的连接和非常高的超时。

唯一的解决方案是强制整个请求超时，但这里与套接字无关。如果您在Unix上，可以使用带有ALARM信号的简单解决方案。您将信号设置为在timeout秒内发出，您的请求将被终止（不要忘记捕获它）。您可能希望使用with语句使其干净且易于使用，例如：

import signal, time

def request(arg):
  """Your http request"""
  time.sleep(2)
  return arg

class Timeout():
  """Timeout class using ALARM signal"""
  class Timeout(Exception): pass

  def __init__(self, sec):
    self.sec = sec

  def __enter__(self):
    signal.signal(signal.SIGALRM, self.raise_timeout)
    signal.alarm(self.sec)

  def __exit__(self, *args):
    signal.alarm(0) # disable alarm

  def raise_timeout(self, *args):
    raise Timeout.Timeout()

# Run block of code with timeouts
try:
  with Timeout(3):
    print request("Request 1")
  with Timeout(1):
    print request("Request 2")
except Timeout.Timeout:
  print "Timeout"

# Prints "Request 1" and "Timeout"

如果想要比这更便携，您必须使用一些更大的枪，例如multiprocessing，因此您将生成一个进程来调用您的请求，并在过期时终止它。由于这是一个单独的过程，您必须使用一些东西将结果传输回您的应用程序，它可能是multiprocessing.Pipe。下面是一个例子：

from multiprocessing import Process, Pipe
import time

def request(sleep, result):
  """Your http request example"""
  time.sleep(sleep)
  return result

class TimeoutWrapper():
  """Timeout wrapper using separate process"""
  def __init__(self, func, timeout):
    self.func = func
    self.timeout = timeout

  def __call__(self, *args, **kargs):
    """Run func with timeout"""
    def pmain(pipe, func, args, kargs):
      """Function to be called in separate process"""
      result = func(*args, **kargs) # call func with passed arguments
      pipe.send(result) # send result to pipe

    parent_pipe, child_pipe = Pipe() # Pipe for retrieving result of func
    p = Process(target=pmain, args=(child_pipe, self.func, args, kargs))
    p.start()
    p.join(self.timeout) # wait for prcoess to end

    if p.is_alive():
      p.terminate() # Timeout, kill
      return None # or raise exception if None is acceptable result
    else:          
      return parent_pipe.recv() # OK, get result

print TimeoutWrapper(request, 3)(1, "OK") # prints OK
print TimeoutWrapper(request, 1)(2, "Timeout") # prints None

如果你想强制请求在固定的秒数后终止，你真的没有太多选择。socket.timeout将为单个套接字操作（connect/recv/send）提供超时，但如果有多个套接字操作，则可能会导致执行时间过长。