ruby - 调整 Nokogiri 连接的超时

Question

为什么 nokogiri 在服务器繁忙时等待几秒 (3-5)，而我正在一个接一个地请求页面，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 block 包装请求，但 nokogiri 根本不等待那个时间。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 block 只是该代码必须在 block 内执行而不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 仍然可以随时超时。

所以您的问题很可能是 OpenURI 本身在连接尝试时超时。 Nokogiri 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。看来你不能通过这种方法改变连接超时:

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 time out
Increase timeout for Net::HTTP