python - 使用 PRAW 进行 Reddit 搜索时经常收到 503 错误

Question

我正在使用 PRAW 查看大量 Reddit 搜索结果(包括提交和评论)，而我用来收集数据的方法经常产生 503 错误:

prawcore.exceptions.ServerError: received 503 HTTP response

据我了解，如果是速率限制问题，PRAW 会抛出一个 praw.errors.RateLimitExceeded 错误。

产生错误的函数如下:

def search_subreddit(subreddit_name, last_post=None):
    params = {'sort': 'new', 'time_filter': 'year', 
                      'limit': 100, 'syntax':'cloudsearch'}

    if last_post:
        start_time = 0 
        end_time = int(last_post.created) + 1
        query = 'timestamp:%s..%s' % (start_time, end_time)
    else: 
        query = ''

    return reddit.subreddit(subreddit_name).search(query, **params)

这是在循环中调用的。知道为什么会生成 503 错误，以及如何防止它发生吗？

Answer 1

为什么会生成？

503 是为通知服务器暂时不可用而保留的 HTTP 协议(protocol)代码。在几乎所有情况下，这意味着它在请求生成响应时由于过载而没有资源。

如何预防？

因为这是服务器端问题，我在这里假设你不是 reddit 网络团队的一员，你不能直接做任何事情来解决这个问题。我将尝试在此处列出您可能的选择

• 在社交媒体上提示 reddit 服务器很糟糕(可能无效)
• 尝试联系 reddit 网络部门并告知他们这个问题(仍然无效，但从长远来看可能会有好处)
• 向 PRAW 建议功能 - 关键字 repeat_in_case_of_server_overload 和 repeat_in_case_of_server_overload_timeout，第一次设置为 True(默认 False) 会尝试在一些可定制的时间内重复请求。 (看到会很有趣，但这种形式不太可能被接受，也需要一些时间来处理)
• 自己修改 PRAW 来做上面描述的事情，然后在 github 中添加 pull request。 (你会立即得到它，但仍然可能不会被接受并且需要一些工作)
• 您可以尝试在 reddit 服务器不那么繁忙时运行您的脚本(如果您手动运行它并且偶尔只需要数据，那确实可能有效)
• 添加简单的机制，尝试多次获取搜索结果直到成功(是的，这可能是推荐的一种)

类似于:

result = None
last_exception = None
timeout = 900 #seconds = 15 minutes
time_start = int(time.time())
while not result and int(time.time()) < time_start + timeout:
    try:
        result = reddit.subreddit(subreddit_name).search(query, **params)
    except prawcore.exceptions.ServerError as e:
        #wait for 30 seconds since sending more requests to overloaded server might not be helping
        last_exception = e
        time.sleep(30)
if not result:
    raise last_exception
return result

此外，上面的代码更多是伪代码，因为我没有以任何方式对其进行测试，它甚至可能无法逐字地工作，但希望能清楚地传达这个想法。