crawl 连接网页超时，HTTP 599

Question

unbuntu , pyspider

抓的是某宝的商品详情页，出现问题，始终连接不上。 上一级，商品的列表页，没有问题，也是使用了js的。

错误提示信息：[E 160630 14:21:42 base_handler:195] HTTP 599: Operation timed out after 120001 milliseconds with 0 bytes receive -- 加了 fetch_type='js'时

[E 160630 14:45:33 base_handler:195] HTTP 599: Failed to connect to item.taobao.com port 443: Connection timed out -- 没有fetch_type='js'时

都算是没连上网站，而用urllib2的urlopen是可以读到网页信息的。

有一条比较可疑的提示，但是我不会解释。。

在其他电商网站有成功过了，逻辑都差不多。但这边就是不行。
因为不懂的点有些多，问题都有点找不到，如果您有思路的话，可否指点一下 :)

Answer 1

我也碰到过一样的问题，先抛出解决方法；

解决：

        self.crawl('xxxxx',
                   callback=self.list_page,
                   fetch_type = 'js',
                   connect_timeout = 50,
                   timeout = 200
                   )

原因

1. 最可能的是网速问题（在公司爬取出现问题，在家里没出现 —— 100M 光纤）；

2. 爬取的网页中图片等较多，加载速度偏慢；

3. pyspider 默认的连接时间为 20， 抓取时间为 120。
   配置参数，增大时间限制

Answer 2

根据现象中的
“after 120001 milliseconds with 0 bytes receive”
和我遇到的
“after 120000 milliseconds with 1723300 out of 2343850 bytes received 120.00s”
是一个意思，同一种错误类型
-》意思是：超时了（超过设置的最大超时时间了），但是只下载了总共数据的其中一部分
->重点是后半句，意思是可以下载到数据的，只是直到超时都还没下载完全
-》这种情况的最大可能原因就是：网速太慢
-》所以

解决办法

根本办法：换个更快的网络

比如，我公司是1MB/s的网络，家里是10MB/s的网络，换到家里下载，就不会出现这个问题了。

临时的规避的缓解的办法：增大延迟timeout （ +增大其他容错参数connect_timeout, retries）

• 给单个self.crawl增大参数：

self.crawl(urlToDownload,
    callback=self.downloadFileCallback,
    connect_timeout=100,
    timeout=600,
    retries=15,
    save=fileInfo)

或者

• 增大全局参数：

class Handler(BaseHandler):
    crawl_config = {
        "connect_timeout": 100,
        "timeout": 600,
        "retries": 15,
    }

备注

• 参数含义解释详见官网：self.crawl - pyspider
• 其他更多内容，可参考我的教程：Python爬虫框架：PySpider