tornado总结11-AsyncHTTPClient使用HTTP代理

参考文档

HTTPRequest AsyncHTTPClient.configure HTTP 599: Timeout in request queue 异常处理

说明

tornado的AsyncHTTPClient做为爬虫客户端使用起来很方便， 可是为了应对网站的IP访问限制，这个时候就须要使用IP代理机制了， AsyncHTTPClient通过简单的配置就能够使用HTTP代理来进行http访问了, 正好结合tornado的异步机制，就能够同时开多个链接去访问不一样的内容，提升爬取速度。

不过在windows上因为curl库的关系，我没有跑起来，本文的代码能够跑在linux下面。

代码

AsyncHTTPClient使用HTTP代理

import tornado.ioloop
from tornado.httpclient import HTTPRequest, AsyncHTTPClient


@tornado.gen.coroutine
def send_requ():
    http_requ = HTTPRequest(
        url='http://www.baidu.com',
        method='GET',
        proxy_host = 'a.b.c.d',  # 配置HTTP代理的ip地址
        proxy_port = 1234, # 设置HTTP代理的端口
    )

    http_resp = yield AsyncHTTPClient().fetch(http_requ)

    #处理回复消息。。。

if __name__ == "__main__":
    # 配置 AsyncHTTPClient
    AsyncHTTPClient.configure(
        "tornado.curl_httpclient.CurlAsyncHTTPClient",  # 必须配置这个否则没法使用代理
        max_clients=600  # 客户端池数量配置设大一点
    )

    tornado.ioloop.IOLoop.run_sync(send_requ)

AsyncHTTPClient禁止排队超时

上面的那段代码在程序启动时会调用AsyncHTTPClient.configure将最大的可用客户端数量设置为600了，到达600以后全部待发送的请求都会进入排队机制，可是该队列里面的请求有个排队时间，若是超时tornado将会丢弃这个请求并给调用方抛出一个异常。

tornado.httpclient.HTTPError: HTTP 599: Timeout in request queue

下面的代码能够让AsyncHTTPClient排队的请求不会超时

from tornado.httpclient import AsyncHTTPClient
from tornado.log import gen_log
from tornado.simple_httpclient import SimpleAsyncHTTPClient


class NoQueueTimeoutHTTPClient(SimpleAsyncHTTPClient):
    def fetch_impl(self, request, callback):
        key = object()

        self.queue.append((key, request, callback))
        self.waiting[key] = (request, callback, None)

        self._process_queue()

        if self.queue:
            gen_log.debug("max_clients limit reached, request queued. %d active, %d queued requests." % (
                len(self.active), len(self.queue)))

AsyncHTTPClient.configure(NoQueueTimeoutHTTPClient, max_clients=20)