在Python的requests库中,当我们发送一个请求后,会得到一个Response对象,这个对象有一个elapsed属性,它返回一个timedelta对象,表示从发送请求到收到响应所经过的时间。

response.elapsed.total_seconds() 是 Python requests 库中的一个方法,用于获取 HTTP 请求从发送到接收响应所花费的总时间(以秒为单位,浮点数形式)。以下是具体用法和示例:


基本用法

import requestsresponse = requests.get("https://www.example.com")
elapsed_time = response.elapsed.total_seconds()  # 获取请求耗时(秒)
print(f"请求耗时: {elapsed_time} 秒")

完整示例

1. 测量请求耗时并处理超时

import requestsurl = "https://www.example.com"
try:response = requests.get(url, timeout=5)  # 设置超时时间为5秒elapsed = response.elapsed.total_seconds()print(f"请求成功!状态码: {response.status_code}, 耗时: {elapsed:.3f} 秒")
except requests.exceptions.Timeout:print("请求超时!")
except requests.exceptions.RequestException as e:print(f"请求失败: {e}")

2. 比较多个请求的耗时

import requestsurls = ["https://www.google.com","https://www.github.com","https://www.python.org"
]for url in urls:try:response = requests.get(url)elapsed = response.elapsed.total_seconds()print(f"{url} 耗时: {elapsed:.2f} 秒")except Exception as e:print(f"{url} 请求出错: {e}")

3. 结合性能测试(计算平均耗时)

import requests
import statisticsurl = "https://www.example.com"
times = []for _ in range(5):  # 发送5次请求,计算平均耗时response = requests.get(url)times.append(response.elapsed.total_seconds())avg_time = statistics.mean(times)
print(f"平均耗时: {avg_time:.3f} 秒")

elapsed时间包括请求发送、服务器处理以及响应返回的时间,但不包括DNS解析、连接池等待等时间(实际上,elapsed是从发送请求开始到响应返回为止的时间,包括连接建立的时间,如果连接是新建的,则包括DNS解析和TCP连接建立的时间。但是,如果使用了会话(Session)并且连接是复用的,那么elapsed就不包括连接建立的时间)。


关键说明

  1. response.elapsed 是一个 datetime.timedelta 对象,total_seconds() 将其转换为秒。
  2. 适用场景​:性能监控、API响应时间分析、超时处理等。
  3. 注意事项​:
    • 如果请求失败(如超时或网络错误),response 对象可能不存在,需配合异常处理使用。
    • 时间不包括DNS解析、TCP连接等底层网络开销,仅测量从发送请求到接收第一个字节的时间。

输出示例

请求成功!状态码: 200, 耗时: 0.452 秒
https://www.google.com 耗时: 0.32 秒
https://www.github.com 耗时: 0.87 秒
平均耗时: 0.512 秒

通过这种方法,你可以方便地监控和优化请求性能。

什么是elapsed属性?

在Python的requests库中,elapsed是一个属性,它返回一个timedelta对象,表示从发送HTTP请求到接收到响应所经过的时间。

import requests# 发送HTTP请求
response = requests.get('https://www.baidu.com')# 获取响应时间
response_time = response.elapsed
print(f"响应时间: {response_time}")
print(f"总秒数: {response_time.total_seconds()}秒")# 响应时间: 0:00:00.062012
# 总秒数: 0.062012秒

elapsed属性非常有用,特别是在需要监控API性能或确保服务响应时间符合SLA(服务级别协议)时。

理解timedelta对象

timedelta是Python datetime模块中的一个类,用于表示时间间隔或持续时间

timedelta的主要属性:

  • days - 天数
  • seconds - 秒数(不包括天数部分)
  • microseconds - 微秒数(不包括天数和秒数部分)

常用的方法:

  • total_seconds() - 返回总秒数(包括天、秒和微秒转换后的秒数)
from datetime import timedelta# 创建timedelta对象
delta = timedelta(days=1, hours=3, minutes=30, seconds=15)print(f"天数: {delta.days}")
print(f"秒数: {delta.seconds}") # 输出: 12615 (3 * 3600 + 30 * 60 + 15)
print(f"总秒数: {delta.total_seconds()}") # 输出: 99015.0 (86400 + 12615)# 天数: 1
# 秒数: 12615
# 总秒数: 99015.0

elapsed与timedelta的实际应用

在HTTP请求中,response.elapsed返回一个timedelta对象,我们可以使用它来:

  1. 检查响应时间是否在可接受范围内
  2. 记录API性能指标
  3. 设置超时阈值
  4. 比较不同端点或服务的性能
import requestsresponse = requests.get('https://www.baidu.com')# 断言响应时间小于1秒
assert response.elapsed.total_seconds() < 1.0, f"响应时间过长: {response.elapsed.total_seconds()}秒"# 记录响应时间
print(f"请求完成,耗时: {response.elapsed.total_seconds():.3f}秒")# 获取详细的各部分时间
print(f"天数: {response.elapsed.days}")
print(f"秒数: {response.elapsed.seconds}")
print(f"微秒数: {response.elapsed.microseconds}")
print(f"总秒数: {response.elapsed.total_seconds()}")
# 请求完成,耗时: 0.046秒
# 天数: 0
# 秒数: 0
# 微秒数: 45978
# 总秒数: 0.045978

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/web/94332.shtml
繁体地址,请注明出处:http://hk.pswp.cn/web/94332.shtml
英文地址,请注明出处:http://en.pswp.cn/web/94332.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【ansible】5.在受管主机部署文件和Jinja2模板

1.Ansible 中&#xff0c;如何用模块创建一个文件并设置权限644并设置SELinux类型&#xff0c;如何从受管主机中删除文件&#xff1f;使用ansible.builtin集合中的 file 模块&#xff0c;添加state&#xff1a;touch 创建文件&#xff0c;mode&#xff1a;‘0644’ 设置权限&am…

雪花算法数据库主键

雪花算法&#xff08;Snowflake&#xff09;作为一种分布式 ID 生成方案&#xff0c;在分布式系统中具有显著优势&#xff0c;能够解决多个关键问题。以下是它的核心好处及主要应用场景&#xff1a;雪花算法的核心好处全局唯一性&#xff1a;通过时间戳、机器 ID、数据中心 ID …

C/C++ 头文件命名约定

有的时候&#xff0c;在C的代码中&#xff0c;可以看到有如下的头文件引用的代码: #include <iostream> #include <unistd.h> #include <csignal>其中有一些是引用了.h文件&#xff0c;另外一些是引用了模块式的比如iostream和csignal&#xff0c;那么为什么…

异质结3.0时代的降本提效革命:捷造科技设备技术创新与产业拐点分析

光伏产业经历了从PERC到TOPCon和异质结&#xff08;HJT&#xff09;的技术迭代&#xff0c;而2025年将成为异质结技术规模化应用的关键转折点。捷造科技通过一系列突破性技术创新&#xff0c;将GW级异质结整线设备价格降至2亿元&#xff0c;较行业平均水平降低约40%&#xff0c…

【网络】http 协议中 Vary 标头的作用

在 HTTP 协议中&#xff0c;Vary 标头是一个关键的缓存控制机制&#xff0c;用于告知缓存服务器&#xff08;或代理&#xff09;&#xff1a;响应内容的生成依赖于请求中的哪些特定头部字段。其核心作用是确保缓存服务器能根据这些字段的差异&#xff0c;正确区分和返回不同版本…

CSS 进阶用法

一、选择器进阶复杂选择器组合详解后代选择器后代选择器使用空格分隔两个选择器&#xff0c;例如div p&#xff0c;表示选择div元素内所有的p元素。这种选择方式会匹配所有层级的后代元素&#xff0c;包括子元素、孙元素等任意深度的嵌套元素。应用示例&#xff1a;/* 选中arti…

GitHub 热榜项目 - 日榜(2025-08-23)

GitHub 热榜项目 - 日榜(2025-08-23) 生成于&#xff1a;2025-08-23 统计摘要 共发现热门项目&#xff1a;13 个 榜单类型&#xff1a;日榜 本期热点趋势总结 本期GitHub热榜呈现三大技术热点&#xff1a;1&#xff09;AI工作流构建成为风口&#xff0c;sim和airi等项目展示…

SHAP分析+KOA-RIME开普勒结合霜冰算法双重优化BP神经网络+9种映射方法+新数据预测!机器学习可解释分析!

代码主要功能 该Matlab代码实现了一个KOA-RIME开普勒结合霜冰算法双重优化的BP神经网络回归模型&#xff0c;结合特征贡献度分析&#xff08;SHAP&#xff09;和新数据预测功能。核心功能包括&#xff1a; 双重参数优化&#xff1a;先用智能算法&#xff08;以chebyshev映射改进…

【数据结构】栈和队列——栈

目录栈和队列栈栈的基本概念栈的顺序存储实现栈的定义与初始化入栈操作出栈操作读取栈顶元素判空和判满操作栈的销毁操作操作集合栈和队列 栈 栈的基本概念 栈的定义&#xff1a; 栈&#xff08;Stack&#xff09; 是一种线性表&#xff0c;它限定了数据元素的插入和删除操…

大数据管理与应用系列丛书《数据挖掘》读书笔记之集成学习(1)

文章目录前言一、集成学习是什么&#xff1f;1.基本思想2.集成学习的类型3. 集成学习的结合策略3.1 为什么结合策略是集成学习的灵魂&#xff1f;3.2 经典策略(1)**投票法&#xff08;Voting&#xff09;****(2)平均法&#xff08;Averaging&#xff09;****(3) 学习法**3.3 关…

嵌入式知识篇---32GUI

要理解 32 位单片机的 GUI&#xff0c;咱们先从 “基础概念” 入手&#xff0c;再拆成 “为什么能跑 GUI”“核心组成”“怎么实现”“常用工具”“实际用途” 这几步讲&#xff0c;全程不用复杂术语&#xff0c;像聊日常用品一样说清楚。一、先搞懂 2 个基础概念在讲 “32 位单…

【iOS】SDWebImage第三方库源码学习笔记

前言之前在写项目时&#xff0c;经常用到SDWebImage这个第三方库来加载图片&#xff0c;并且了解到了这个第三方库在处理图片时自带异步下载和缓存功能&#xff0c;以及对cell复用的处理。这篇文章来系统学习一下SDWebImage第三方库的知识以及底层原理简介SDWebImage为UIImageV…

Linux --网络基础概念

一.网络发展独立模式&#xff1a;在早期计算机之间是相互独立的&#xff0c;机器之间的数据只能通过软硬盘来传输&#xff0c;这就代表无法同时完成任务&#xff0c;需要前面的计算机完成各自的任务经过硬盘传递数据再完成自己的任务&#xff0c;效率十分低下。网络互联&#x…

教育系统搭建攻略:线上知识付费与线下消课排课全解析

作为一名资深平台测评师&#xff0c;最近我挖到了一个教育机构的 “宝藏工具”—— 乔拓云教育系统。别看它名字低调&#xff0c;用起来那叫一个顺手&#xff0c;线上知识付费、线下消课排课全给你安排得明明白白&#xff0c;简直是机构老板和教务员的 “摸鱼神器”。多端口管理…

PMP项目管理知识点-①项目基本概念

目录 1.项⽬的定义 概念&#xff1a; 特点&#xff1a; 项⽬与运营的区别 项⽬特点&#xff1a; 运营特点&#xff1a; 2.项⽬管理的发展 3.项⽬、项⽬集与项⽬组合 结构层次 4.项⽬的关键组成部分 项⽬⽣命周期&#xff1a; 项⽬管理过程组&#xff1a; 项⽬阶段&…

Python内置函数全解析:30个核心函数语法、案例与最佳实践指南

&#x1f49d;&#x1f49d;&#x1f49d;欢迎莅临我的博客&#xff0c;很高兴能够在这里和您见面&#xff01;希望您在这里可以感受到一份轻松愉快的氛围&#xff0c;不仅可以获得有趣的内容和知识&#xff0c;也可以畅所欲言、分享您的想法和见解。 持续学习&#xff0c;不断…

数据建模怎么做?一文讲清数据建模全流程

目录 一、需求分析 1. 搞清楚业务目标&#xff1a;这数据是要解决啥问题&#xff1f; 2. 明确数据边界&#xff1a;哪些数据该要&#xff0c;哪些不该要&#xff1f; 3. 弄明白使用场景&#xff1a;谁用这数据&#xff0c;怎么用&#xff1f; 二、模型设计 1. 第一步&…

胸部X光片数据集:健康及肺炎2类,14k+图像

胸部X光片数据集概述 数据集包含14090张图像,分为正常胸部X光3901张,肺炎胸部X光10189张。 标注格式:无标注,文件夹分类。 图像尺寸:640*640 正常胸部X光: 肺炎胸部X光: 数据采集: 拍摄方式:均为前后位(anterior-posterior)胸部X光,属患者常规临床护理的一部分…

MySQL數據庫開發教學(二) 核心概念、重要指令

書接上回&#xff1a;MySQL數據庫開發教學(一) 基本架構-CSDN博客 建議工具&#xff1a; Navicat Premium (收費 / 需破解)&#xff1a;Navicat Premium | 管理和开发你的数据库 phpstudy 2018 (免費)&#xff1a;phpStudy - Windows 一键部署 PHP 开发环境 小皮出品 前言 …

【40页PPT】数字工厂一体化运营管控平台解决方案(附下载方式)

篇幅所限&#xff0c;本文只提供部分资料内容&#xff0c;完整资料请看下面链接 https://download.csdn.net/download/2501_92808811/91716541 资料解读&#xff1a;【40页PPT】数字工厂一体化运营管控平台解决方案 详细资料请看本解读文章的最后内容。该资料围绕数字工厂一体…