2

为什么 nokogiri 在服务器很忙并且我正在逐页请求页面时等待几秒（3-5），但是当这些请求处于循环状态时，nokogiri 不会等待并抛出超时消息。我正在使用超时块包装请求，但 nokogiri 根本不等待那个时间。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
4

1 回答 1

7

该timeout块只是该代码必须在块内执行而不触发异常的最长时间。它不会影响 Nokogiri 或 OpenURI 内部的任何内容。

您可以将超时设置为一年，但 OpenURI 仍然可以随时超时。

因此，您的问题很可能是 OpenURI 在连接尝试本身上超时。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。您似乎无法通过此方法更改连接超时： 

open(url, :read_timeout => 10)

调整连接超时

要调整连接超时，您必须Net::HTTP直接使用：

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 超时
增加 Net::HTTP的超时

于 2013-01-24T12:10:28.683 回答