一、Python retry模块简介
在Python中进行错误处理时，大多数开发者首先想到的是try-except语句。但如果只是希望某个函数在报错后自动重试若干次，每次都编写大量try-except代码就显得过于繁琐。retry模块正是为了解决这一问题而设计的——通过一个装饰器即可实现，简洁高效。本文接下来将介绍其基本使用方法。
二、retry模块基本用法
retry最常用的方式是将它作为装饰器直接应用于函数上。不传递任何参数时，其效果是：只要函数抛出异常，就会不断重试，直到成功为止。来看一个示例：
from retry import retry
@retry()
def make_trouble():
'''Retry until succeed'''
print ('retrying...')
raise
if __name__ == '__main__':
make_trouble()
# 输出: 一直重试，直到运行成功
retrying...
retrying...
retrying...
retrying...
retrying...
retrying...
在这段代码中，make_trouble()每次执行都会抛出异常，而@retry()装饰器会捕获该异常并重新调用函数，因此控制台会持续打印“retrying...”，直到手动终止或函数最终不再报错。这就是retry的核心机制：自动重试，直至成功。
三、retry参数详解
当然，实际项目中很少会允许无限次重试。retry提供了多个关键参数用于控制重试行为，首先来看它的函数签名：
def retry(exceptions=Exception, tries=-1, delay=0, max_delay=None, backoff=1, jitter=0, logger=logging_logger):
"""Return a retry decorator.
:param exceptions: an exception or a tuple of exceptions to catch. default: Exception.
:param tries: the maximum number of attempts. default: -1 (infinite).
:param delay: initial delay between attempts. default: 0.
:param max_delay: the maximum value of delay. default: None (no limit).
:param backoff: multiplier applied to delay between attempts. default: 1 (no backoff).
:param jitter: extra seconds added to delay between attempts. default: 0.
fixed if a number, random if a range tuple (min, max)
:param logger: logger.warning(fmt, error, delay) will be called on failed attempts.
default: retry.logging_logger. if None, logging is disabled.
"""
下面逐一说明各关键参数的作用：
- exceptions：指定需要捕获的异常类型。默认值为Exception，即捕获所有异常。也可以传入一个元组，例如
(ValueError, TimeoutError)，仅对指定类型的异常触发重试机制。 - tries：最大重试次数，默认-1表示无限重试。实际开发中通常设置为有限值，如3或5次。
- delay：每次重试之间的间隔时间（秒），默认0表示不等待。如果设置为2，则每次重试前会等待2秒。
- backoff：间隔时间的指数增长因子。需配合
delay使用，具体计算公式为delay * backoff ** (尝试次数 - 1)。例如delay=3, backoff=2，第一次重试前等待3×2⁰=3秒，第二次等待3×2¹=6秒，第三次等待12秒……以此类推。默认backoff=1表示无增长。 - max_delay：配合backoff使用，设置最大等待时间上限。当
delay * backoffⁿ超过该值后，等待时间不再增长，固定为max_delay。
附录：git源码
四、总结与建议
retry模块最大的优势在于轻量级且直观，只需几行代码即可为函数添加重试机制。相比于手动编写try-except循环，它能让代码更整洁、可读性更高。在实际项目中，合理搭配tries和delay参数，可以优雅地处理网络请求、文件读写等容易出错的场景。当然，若遇到更复杂的重试逻辑（如指数退避、随机抖动），可以考虑功能更强大的tenacity库，但大多数情况下retry模块已经足够满足需求。
