python - 推特流媒体 API - urllib3.exceptions.ProtocolError : ('Connection broken: IncompleteRead

Question

使用 tweepy 运行一个 python 脚本，它在英语推文的随机样本中流式传输(使用 twitter 流式 API)一分钟，然后交替搜索(使用 twitter 搜索 API)一分钟，然后返回。我发现的问题是，在大约 40 多秒后，流媒体崩溃并出现以下错误:

完整错误:

urllib3.exceptions.ProtocolError: ('Connection broken: IncompleteRead(0 bytes read)', IncompleteRead(0 bytes read))

读取的字节数可以从 0 到 1000 不等。

第一次出现这种情况时，流过早中断，搜索功能提前启动，搜索功能完成后，它再次返回流，第二次出现此错误时，代码崩溃。

我正在运行的代码是:

# Handles date time calculation
def calculateTweetDateTime(tweet):
    tweetDateTime = str(tweet.created_at)

    tweetDateTime = ciso8601.parse_datetime(tweetDateTime)
    time.mktime(tweetDateTime.timetuple())
    return tweetDateTime

# Checks to see whether that permitted time has past.
def hasTimeThresholdPast():
    global startTime
    if time.clock() - startTime > 60:
        return True
    else:
        return False

#override tweepy.StreamListener to add logic to on_status
class StreamListener(StreamListener):

    def on_status(self, tweet):
        if hasTimeThresholdPast():
            return False

        if hasattr(tweet, 'lang'):
            if tweet.lang == 'en':

                try:
                    tweetText = tweet.extended_tweet["full_text"]
                except AttributeError:
                    tweetText = tweet.text

                tweetDateTime = calculateTweetDateTime(tweet)

                entityList = DataProcessing.identifyEntities(True, tweetText)
                DataStorage.storeHotTerm(entityList, tweetDateTime)
                DataStorage.storeTweet(tweet)


    def on_error(self, status_code):
        def on_error(self, status_code):
            if status_code == 420:
                # returning False in on_data disconnects the stream
                return False


def startTwitterStream():

    searchTerms = []

    myStreamListener = StreamListener()
    twitterStream = Stream(auth=api.auth, listener=StreamListener())
    global geoGatheringTag
    if geoGatheringTag == False:
        twitterStream.filter(track=['the', 'this', 'is', 'their', 'though', 'a', 'an'], async=True, stall_warnings=True)

    if geoGatheringTag == True:
        twitterStream.filter(track=['the', 'this', 'is', 'their', 'though', 'a', 'an', 'they\'re'],
                             async=False, locations=[-4.5091, 55.7562, -3.9814, 55.9563], stall_warnings=True)



# ----------------------- Twitter API Functions ------------------------
# XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
# --------------------------- Main Function ----------------------------

startTime = 0


def main():
    global startTime
    userInput = ""
    userInput.lower()
    while userInput != "-1":
        userInput = input("Type ACTiVATE to activate the Crawler, or DATABASE to access data analytic option (-1 to exit): \n")
        if userInput.lower() == 'activate':
            while(True):
                startTime = time.clock()

                startTwitterStream()

                startTime = time.clock()
                startTwitterSearchAPI()

if __name__ == '__main__':
    main() 

我已经删除了搜索功能和数据库处理方面，因为它们是分开的，以避免代码困惑。

如果有人知道为什么会发生这种情况以及我如何解决它，请告诉我，我很想知道任何见解。

---

我尝试过的解决方案:
带有 http.client.IncompleteRead 的 Try/Except block :
根据 Error-while-fetching-tweets-with-tweepy

将 Stall_Warning = 设置为 True:
根据 Incompleteread-error-when-retrieving-twitter-data-using-python

移除英语语言过滤器。

Answer 1

已解决。

致那些好奇或遇到类似问题的人:经过一些实验，我发现传入推文的积压是问题所在。每次系统收到一条推文时，我的系统都会运行一个实体识别和存储过程，这会花费一小段时间，并且在收集数百到数千条推文的过程中，这个积压变得越来越大，直到 API 无法处理它并且抛出了那个错误。

解决方案:将您的“on_status/on_data/on_success”函数剥离到最基本的部分，并在流式传输 session 关闭后单独处理任何计算，即存储或实体识别。或者，您可以让您的计算更有效率，并使时间差距变得微不足道，由您决定。