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
|
4天前
|
调度 开发者 Python
Python中的异步编程:理解asyncio库
在Python的世界里,异步编程是一种高效处理I/O密集型任务的方法。本文将深入探讨Python的asyncio库,它是实现异步编程的核心。我们将从asyncio的基本概念出发,逐步解析事件循环、协程、任务和期货的概念,并通过实例展示如何使用asyncio来编写异步代码。不同于传统的同步编程,异步编程能够让程序在等待I/O操作完成时释放资源去处理其他任务,从而提高程序的整体效率和响应速度。
|
8天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
27 0
|
6天前
|
数据采集 JSON 测试技术
Python爬虫神器requests库的使用
在现代编程中,网络请求是必不可少的部分。本文详细介绍 Python 的 requests 库,一个功能强大且易用的 HTTP 请求库。内容涵盖安装、基本功能(如发送 GET 和 POST 请求、设置请求头、处理响应)、高级功能(如会话管理和文件上传)以及实际应用场景。通过本文,你将全面掌握 requests 库的使用方法。🚀🌟
27 7
|
22天前
|
网络协议 数据库连接 Python
python知识点100篇系列(17)-替换requests的python库httpx
【10月更文挑战第4天】Requests 是基于 Python 开发的 HTTP 库,使用简单,功能强大。然而,随着 Python 3.6 的发布,出现了 Requests 的替代品 —— httpx。httpx 继承了 Requests 的所有特性,并增加了对异步请求的支持,支持 HTTP/1.1 和 HTTP/2,能够发送同步和异步请求,适用于 WSGI 和 ASGI 应用。安装使用 httpx 需要 Python 3.6 及以上版本,异步请求则需要 Python 3.8 及以上。httpx 提供了 Client 和 AsyncClient,分别用于优化同步和异步请求的性能。
python知识点100篇系列(17)-替换requests的python库httpx
|
7天前
|
机器学习/深度学习 数据采集 算法
Python机器学习:Scikit-learn库的高效使用技巧
【10月更文挑战第28天】Scikit-learn 是 Python 中最受欢迎的机器学习库之一,以其简洁的 API、丰富的算法和良好的文档支持而受到开发者喜爱。本文介绍了 Scikit-learn 的高效使用技巧,包括数据预处理(如使用 Pipeline 和 ColumnTransformer)、模型选择与评估(如交叉验证和 GridSearchCV)以及模型持久化(如使用 joblib)。通过这些技巧,你可以在机器学习项目中事半功倍。
18 3
|
10天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
29 5
|
8天前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
20 1
|
18天前
|
数据可视化 数据挖掘 Python
Seaborn 库创建吸引人的统计图表
【10月更文挑战第11天】本文介绍了如何使用 Seaborn 库创建多种统计图表,包括散点图、箱线图、直方图、线性回归图、热力图等。通过具体示例和代码,展示了 Seaborn 在数据可视化中的强大功能和灵活性,帮助读者更好地理解和应用这一工具。
31 3
|
6天前
|
文字识别 自然语言处理 API
Python中的文字识别利器:pytesseract库
`pytesseract` 是一个基于 Google Tesseract-OCR 引擎的 Python 库,能够从图像中提取文字,支持多种语言,易于使用且兼容性强。本文介绍了 `pytesseract` 的安装、基本功能、高级特性和实际应用场景,帮助读者快速掌握 OCR 技术。
27 0
|
23天前
|
Linux Android开发 开发者
【Python】GUI:Kivy库环境安装与示例
这篇文章介绍了 Kivy 库的安装与使用示例。Kivy 是一个开源的 Python 库,支持多平台开发,适用于多点触控应用。文章详细说明了 Kivy 的主要特点、环境安装方法,并提供了两个示例:一个简单的 Hello World 应用和一个 BMI 计算器界面。
37 0

热门文章

最新文章