Python3,它,会魔法吧,来自最强大的错误重试库。(一)

简介: Python3,它,会魔法吧,来自最强大的错误重试库。(一)

1、 引言


小屌丝:鱼哥,最近遇到点问题。

小鱼:呦呵,你这是遇到的问题不小啊,不然不能主动跟我说。

小屌丝:唉~~ 在试错的路上,越走越迷茫。

小鱼:那是因为你没有用对方法啊。

小屌丝:这个还有方法?

小鱼:这你就不懂了吧。


小屌丝:那你快快教教我哦~ ~

小鱼:retry 你可以了解一下。

小屌丝:retry用法单一,不符合我的要(wei)求(kou)。

小鱼:那你就试一试tenacity

小屌丝:不会,你教我啊。

小鱼:… 这又是赔本的一天。


2、 tenacity



2.1 安装


作为第三方库,我们第一步必须是 安装


pip install tenacity


其他方式安装:


《Python3,选择Python自动安装第三方库,从此跟pip说拜拜!!》

《Python3:我低调的只用一行代码,就导入Python所有库!!》


2.2 基本用法


tenacity的错误重试核心功能由其retry装饰器来实现,

默认不给retry装饰器传参数时,它会在其所装饰的函数运行过程抛出错误不时停地重试下去。


代码示例


# -*- coding:utf-8 -*-
# @Time   : 2022-04-04
# @Author : carl_DJ
import random
from tenacity import retry
@retry
def demo_one():
  a = random.random()
  print(f'{a}')
  if a >= 0.1:
  raise Exception
demo_one()


运行结果

image.png

通过结果,可以看到,函数体内每次生成0到1之间的随机数,当这个随机数不超过0.1时才会停止抛出错误,否则则会被tenacity捕捉到每次的错误抛出行为并立即重试。


2.3 重试最大次数


由于我们的时间是宝贵的,所以重试的次数也需要有限制的。


我们可以利用tenacity中的stop_after_attempt函数,作为retry()中的stop参数传入,从而为我们“无尽”的错误重试过程添加一个终点,

其中**stop_after_attempt()**接受一个整数输入作为"最大重试"的次数:


代码示例


# -*- coding:utf-8 -*-
# @Time   : 2022-04-04
# @Author : carl_DJ
from tenacity import retry,stop_after_attempt
#设置错误重试,3次
@retry(stop = stop_after_attempt(3))
def demo_two():
    print(f'函数执行')
    raise  Exception
demo_two()


运行结果

image.png

通过结果,可以看到,在第4次继续执行正式地抛出了函数中对应的Exception错误结束了重试过程。


2.4 重试最长时间


除了设置错误的次数,还可以设置最大的重试耗时,

通过stop_after_delay() 的函数来设置,超过这个时长就会结束重试过程。


代码示例


# -*- coding:utf-8 -*-
# @Time   : 2022-04-04
# @Author : carl_DJ
import  time
from tenacity import  retry,stop_after_delay
#设置重试最大超时时长为4秒
@retry(stop = stop_after_delay(4))
def demo_three():
  #每次时间间隔为2秒
    time.sleep(2)
    print(f'已过去 {time.time() - start_time} 秒')
    raise  Exception
start_time = time.time()
demo_three()


运行结果


如果同时需要添加最大重试次数以及最大超时时长限制,

在tenacity中仅需要用 | 运算符组合不同的限制条件再传入retry()的stop参数即可,


代码示例


# -*- coding:utf-8 -*-
# @Time   : 2022-04-04
# @Author : carl_DJ
import  time
import random
from tenacity import retry,stop_after_attempt,stop_after_delay
#函数执行重试超过3秒或次数大于5次时均可以结束重试
@retry(stop =(stop_after_attempt(3) | stop_after_delay(5)))
def  demo_four():
    time.sleep(random.random())
    print(f'已过去 {time.time() - start_time} 秒')
    raise Exception
#开始时间
start_time = time.time()
demo_four()


运行结果

image.png

目录
相关文章
|
22天前
|
存储 人工智能 测试技术
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
本文介绍如何使用LangChain结合DeepSeek实现多轮对话,测开人员可借此自动生成测试用例,提升自动化测试效率。
224 125
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
|
15天前
|
监控 数据可视化 数据挖掘
Python Rich库使用指南:打造更美观的命令行应用
Rich库是Python的终端美化利器,支持彩色文本、智能表格、动态进度条和语法高亮,大幅提升命令行应用的可视化效果与用户体验。
69 0
|
3月前
|
存储 Web App开发 前端开发
Python + Requests库爬取动态Ajax分页数据
Python + Requests库爬取动态Ajax分页数据
|
2月前
|
运维 Linux 开发者
Linux系统中使用Python的ping3库进行网络连通性测试
以上步骤展示了如何利用 Python 的 `ping3` 库来检测网络连通性,并且提供了基本错误处理方法以确保程序能够优雅地处理各种意外情形。通过简洁明快、易读易懂、实操性强等特点使得该方法非常适合开发者或系统管理员快速集成至自动化工具链之内进行日常运维任务之需求满足。
120 18
|
2月前
|
机器学习/深度学习 API 异构计算
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
JAX是Google开发的高性能数值计算库,旨在解决NumPy在现代计算需求下的局限性。它不仅兼容NumPy的API,还引入了自动微分、GPU/TPU加速和即时编译(JIT)等关键功能,显著提升了计算效率。JAX适用于机器学习、科学模拟等需要大规模计算和梯度优化的场景,为Python在高性能计算领域开辟了新路径。
181 0
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
|
2月前
|
数据采集 存储 Web App开发
Python爬虫库性能与选型实战指南:从需求到落地的全链路解析
本文深入解析Python爬虫库的性能与选型策略,涵盖需求分析、技术评估与实战案例,助你构建高效稳定的数据采集系统。
253 0
|
2月前
|
存储 监控 安全
Python剪贴板监控实战:clipboard-monitor库的深度解析与扩展应用
本文介绍了基于Python的剪贴板监控技术,结合clipboard-monitor库实现高效、安全的数据追踪。内容涵盖技术选型、核心功能开发、性能优化及实战应用,适用于安全审计、自动化办公等场景,助力提升数据管理效率与安全性。
103 0
|
3月前
|
存储 监控 安全
Python剪贴板监控实战:clipboard-monitor库的深度解析与扩展应用
本文介绍如何利用Python的clipboard-monitor库实现剪贴板监控系统,涵盖文本与图片的实时监听、防重复存储、GUI界面开发及数据加密等核心技术,适用于安全审计与自动化办公场景。
104 0

推荐镜像

更多