Python错误重试利器：tenacity库核心功能详解

键盘旁的猫

发布时间：2026-10-15| 3人浏览过

原创

本文深入解析Python中强大的错误重试库tenacity。通过retry装饰器，实现自动重试逻辑。详解如何配置最大重试次数(stop_after_attempt)、超时限制(stop_after_delay)及组合条件。介绍wait_fixed和wait_random设置重试间隔，以及retry_if_exception_type和retry_if_result自定义重试触发条件，助力构建高可用程序。

1 简介

在开发程序，特别是涉及网络交互的场景（如调用Web接口、运行网络爬虫）时，偶尔出现的请求失败是常见现象。若仅简单捕获错误并跳过任务，这种做法并不严谨，尤其在网络爬虫中，可能导致有价值数据的丢失。

因此，为程序逻辑添加「错误重试」策略显得尤为必要。此前曾介绍过Python中的retry库，但其功能较为单一，仅能满足基本需求。

本文将介绍tenacity库，这或许是目前Python生态中最为强大的错误重试库。接下来，我们将详细探讨其核心功能。

2 tenacity中的常用功能

作为第三方Python库，可通过pip install tenacity进行安装。安装完成后，我们将学习tenacity的主要使用方法和特性：

2.1 tenacity的基础使用

tenacity的核心重试功能由retry装饰器实现。默认情况下，若不向retry装饰器传递参数，当被装饰的函数抛出错误时，它将无限次重试。以下是一个简单示例：

import random
from tenacity import retry

@retry
def demo_func1():

    a = random.random()
    print(a)
    
    if a >= 0.1:
        raise Exception

demo_func1()

如示例所示，函数内部每次生成0到1之间的随机数。当随机数不超过0.1时，停止抛出错误；否则，tenacity会捕捉每次错误并立即重试。

2.2 设置最大重试次数

有时，我们对函数逻辑错误重试的容忍度是有限的。例如，调用某个网络接口时，如果连续n次执行失败，可能意味着任务本身存在缺陷，重试无法解决问题。

此时，可利用tenacity中的stop_after_attempt函数，作为retry()的stop参数传入，从而为“无尽”的重试过程设定终点。stop_after_attempt()接受一个整数，表示「最大重试」次数：

from tenacity import retry, stop_after_attempt

@retry(stop=stop_after_attempt(3))
def demo_func2():
    
    print('函数执行')
    
    raise Exception
    
demo_func2()

如示例所示，限制最大重试次数后，函数经过3次重试，在第4次继续执行并抛出错误后，正式抛出Exception错误并结束重试过程。

2.3 设置重试最大超时时长

除了设置最大重试次数外，tenacity还提供了stop_after_delay()函数，用于设置整个重试过程的最大耗时。超出该时长，重试过程也将结束：

import time
from tenacity import retry, stop_after_delay

# 设置重试最大超时时长为5秒
@retry(stop=stop_after_delay(5))
def demo_func3():
    
    time.sleep(1)
    print(f'已过去 {time.time() - start_time} 秒')
    
    raise Exception

# 记录开始时间
start_time = time.time()
demo_func3()

2.4 组合重试停止条件

若任务需同时限制最大重试次数和最大超时时长，在tenacity中仅需用|运算符组合不同限制条件，再传入retry()的stop参数即可。例如，当函数执行重试超过3秒或次数大于5次时，均可结束重试：

import time
import random
from tenacity import retry, stop_after_delay, stop_after_attempt

@retry(stop=(stop_after_delay(3) | stop_after_attempt(5)))
def demo_func4():
    
    time.sleep(random.random())
    print(f'已过去 {time.time() - start_time} 秒')
    
    raise Exception

# 记录开始时间
start_time = time.time()
demo_func4()

如演示所示，先达到“最大重试5次”的限制，从而结束了重试过程。

2.5 设置相邻重试之间的时间间隔

有时，我们并不希望每次重试抛出错误后立即开始下一次重试。例如，在爬虫任务中，为了更好地伪装程序，tenacity提供了一系列实用函数，配合retry()的wait参数，妥善处理相邻重试之间的时间间隔。主要实用方式有两种：

2.5.1 设置固定时间间隔

通过tenacity中的wait_fixed()，可为相邻重试设置固定的等待间隔秒数，如下简单示例：

import time
from tenacity import retry, wait_fixed, stop_after_attempt

# 设置重试等待间隔为1秒
@retry(wait=wait_fixed(1), stop=stop_after_attempt(3))
def demo_func5():
    
    print(f'已过去 {time.time() - start_time} 秒')
    
    raise Exception
    
# 记录开始时间
start_time = time.time()
demo_func5()

2.5.2 设置随机时间间隔

除固定间隔外，tenacity还可通过wait_random()为相邻重试设置均匀分布的随机数，只需设置好均匀分布的范围即可：

import time
from tenacity import retry, wait_random, stop_after_attempt

# 设置重试等待间隔为1到3之间的随机数
@retry(wait=wait_random(min=1, max=3), stop=stop_after_attempt(5))
def demo_func6():
    
    print(f'已过去 {time.time() - start_time} 秒')
    
    raise Exception

# 记录开始时间
start_time = time.time()
demo_func6()

如观察所示，每次重试后的等待时长均为随机值。

2.6 自定义是否触发重试

tenacity中retry()的默认策略是：当被装饰的函数执行过程“抛出任何错误”时即进行重试。但有时，我们需要对特定错误类型进行捕捉/忽略，或对异常计算结果进行捕捉。

tenacity中同样内置了相关实用功能：

2.6.1 捕捉或忽略特定的错误类型

使用tenacity中的retry_if_exception_type()和retry_if_not_exception_type()，配合retry()的retry参数，可对特定错误类型进行捕捉或忽略：

from tenacity import retry, retry_if_exception_type, retry_if_not_exception_type

@retry(retry=retry_if_exception_type(FileExistsError))
def demo_func7():
    
    raise TimeoutError
    
@retry(retry=retry_if_not_exception_type(FileNotFoundError))
def demo_func8():

    raise FileNotFoundError

2.6.2 自定义函数结果条件判断函数

我们可以编写额外的条件判断函数，配合tenacity中的retry_if_result()，实现对函数返回结果的自定义条件判断。仅当返回True时，才会触发重试操作：

import random
from tenacity import retry, retry_if_result

@retry(retry=retry_if_result(lambda x: x >= 0.1))
def demo_func9():
    a = random.random()
    print(a)
    return a

# 记录开始时间
demo_func9()