调整 Nokogiri 连接的超时

Question

为什么 nokogiri 在服务器繁忙并且我一个接一个地请求页面时等待几个 secongs （3-5），但是当这些请求处于循环中时，nokogiri 不会等待并抛出超时消息。我正在使用超时块来包装请求，但 nokogiri 根本不会等待那个时间。对此有什么建议的程序吗？

# this is a method from the eng class
def get_page(url,page_type)
 begin
  timeout(10) do
    # Get a Nokogiri::HTML::Document for the page we’re interested in...
    @@doc = Nokogiri::HTML(open(url))
  end
 rescue Timeout::Error
  puts "Time out connection request"
  raise
  end
end
 # this is a snippet from the main app calling eng class
 # receives a hash with urls and goes throgh asking one by one
 def retrieve_in_loop(links)
  (0..links.length).each do |idx|
    url = links[idx]
    puts "Visiting link #{idx} of #{links.length}"
    puts "link: #{url}"
    begin
        @@eng.get_page(url, product)
    rescue Exception => e
        puts "Error getting url: #{idx} #{url}"
        puts "This link will be skeeped. Continuing with next one"
    end
  end
end

Answer 1

timeout 块只是代码必须在块内执行而不会触发异常的最长时间。它不会影响Nokogiri或OpenURI中的任何内容。

您可以将超时设置为一年，但 OpenURI 仍可以随时超时。

因此，您的问题很可能是 OpenURI 在连接尝试本身超时。 诺科吉里没有超时;它只是一个解析器。

调整读取超时

您可以在 OpenURI 上调整的唯一超时是读取超时。似乎您无法通过此方法更改连接超时：

open(url, :read_timeout => 10)

调整连接超时

要调整连接超时，您必须直接使用 Net::HTTP：

uri = URI.parse(url)
http = Net::HTTP.new(uri.host, uri.port)
http.open_timeout = 10
http.read_timeout = 10
response = http.get(uri.path)
Nokogiri.parse(response.body)

您还可以在此处查看一些其他讨论：

Ruby Net：：HTTP 超时
增加 Net：：HTTP 的超时