Python requests 多线程抓取 出现HTTPConnectionPool Max retires exceeded异常

Question

主要代码如下：

import threading
import requests

def get_info():
    try:
        res = requests.get('http://www.xxx.com/test/json')
        if res.status_code == 200 and res.text != '':
            print res.text
        else:
            print res.status_code
        time.sleep(10)
        get_info()
    except Exception as e:
        print e

def start():
    threads = []
    for i in range(40):
        threads.append(threading.Thread(target=get_info,args=()))
    for t in threads:
        time.sleep(0.3)
        t.start()
    for t in threads:
        t.join()    

if __name__ == '__main__':
    start()

代码临时写，可能有小错误，大概就是这么个意思：
开启40个线程，间隔0.3秒请求。刚开始很正常，但是2轮过后几乎80% 90%的请求都报异常
HTTPConnectionPool(host='http://www.xxx.com/',port=80):Max retries exceeded with url: /test/json (Caused by(class 'socked.error'):[Errno 10060])

请问是哪里出了问题？

感谢你们的回答
抓的确实是小站。
我的想法是如果服务器临时封禁的话，应该是报10054的错误。
可看起来又像是服务器封禁，前几轮请求都是很正常的，为什么持续时间越长，抛出的异常就越多？
重试几次的方法我做过，似乎不太起作用：

def get_info(retries=3):
    if 200:
        ...
    else:
        if retries > 0:
            time.sleep(5)
            get_info(retries-1)

初学Python，用来作爬虫。实际上这个问题已经困扰我很久了。我想这个应该是在爬虫项目中很常见的问题，请问该如何着手优化（少量异常可以接受）这个问题？

Answer 1

Python-Requests close http connection

最近我也碰到了这个问题，好像是http连接太多没有关闭导致的，你可以看看这个帖子。
s = requests.session()
s.config['keep_alive'] = False
requests使用了urllib3库，默认的http connection 是keep-alive的，requests中可以设置False关闭。

Answer 2

应该是你的服务器与目标站之间的网络连接出了问题,可以在访问目标站时多重试几次..

Answer 3

你访问的是小站吧？我遇到过一个站，爬数据有时会出问题，不知道是服务器真力不从心还是被临时封禁了。

Answer 4

因为你本地的端口不够用了。

Answer 5

可能是访问太频繁，被封禁了？