Scrapy setting详解

最新推荐文章于 2024-12-26 14:20:52 发布

转载最新推荐文章于 2024-12-26 14:20:52 发布 · 238 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：https://blog.youkuaiyun.com/fenglei0415/article/details/80438110

文章标签：

#scrapy

scrapy 专栏收录该内容

3 篇文章

订阅专栏

本文详细介绍了Scrapy爬虫框架的settings.py配置文件各项参数的意义及用途，包括项目名称、蜘蛛模块、并发请求设置、下载延迟、机器人协议遵循、Cookie处理等关键配置，为Scrapy项目的高效运行提供指导。

settings.py配置文件中：

本文转载自:
https://blog.youkuaiyun.com/fenglei0415/article/details/80438110

# -*- coding: utf-8 -*-  
  
# Scrapy settings for demo1 project  
#  
# For simplicity, this file contains only settings considered important or  
# commonly used. You can find more settings consulting the documentation:  
#  
#     http://doc.scrapy.org/en/latest/topics/settings.html  
#     http://scrapy.readthedocs.org/en/latest/topics/downloader-middleware.html  
#     http://scrapy.readthedocs.org/en/latest/topics/spider-middleware.html  
  
BOT_NAME = 'demo1'   #Scrapy项目的名字,这将用来构造默认 User-Agent,同时也用来log,当您使用 startproject 命令创建项目时其也被自动赋值。  
  
SPIDER_MODULES = ['demo1.spiders']   #Scrapy搜索spider的模块列表 默认: [xxx.spiders]  
NEWSPIDER_MODULE = 'demo1.spiders'   #使用 genspider 命令创建新spider的模块。默认: 'xxx.spiders'  
  
  
# 爬取的默认User-Agent，除非被覆盖  
# USER_AGENT = 'demo1 (+http://www.yourdomain.com)'  
  
# 如果启用,Scrapy将会采用 robots.txt策略  
ROBOTSTXT_OBEY = True  
  
#Scrapy downloader 并发请求(concurrent requests)的最大值,默认: 16  
#CONCURRENT_REQUESTS = 32  
  
# 为同一网站的请求配置延迟（默认值：0）  
# See http://scrapy.readthedocs.org/en/latest/topics/settings.html#download-delay  
# See also autothrottle settings and docs    
#DOWNLOAD_DELAY = 3   下载器在下载同一个网站下一个页面前需要等待的时间,该选项可以用来限制爬取速度,减轻服务器压力。同时也支持小数:0.25 以秒为单位  
  
      
# 下载延迟设置只有一个有效  
#CONCURRENT_REQUESTS_PER_DOMAIN = 16   对单个网站进行并发请求的最大值。  
#CONCURRENT_REQUESTS_PER_IP = 16       对单个IP进行并发请求的最大值。如果非0,则忽略 CONCURRENT_REQUESTS_PER_DOMAIN 设定,使用该设定。 也就是说,并发限制将针对IP,而不是网站。该设定也影响 DOWNLOAD_DELAY: 如果 CONCURRENT_REQUESTS_PER_IP 非0,下载延迟应用在IP而不是网站上。  
  
# 禁用Cookie（默认情况下启用）  
#COOKIES_ENABLED = False  
  
#禁用Telnet控制台（默认启用）  
#TELNETCONSOLE_ENABLED = False   
  
#覆盖默认请求标头：  
#DEFAULT_REQUEST_HEADERS = {  
#   'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',  
#   'Accept-Language': 'en',  
#}  
  
#启用或禁用蜘蛛中间件  
# See http://scrapy.readthedocs.org/en/latest/topics/spider-middleware.html  
#SPIDER_MIDDLEWARES = {  
#    'demo1.middlewares.Demo1SpiderMiddleware': 543,  
#}  
  
#启用或禁用下载器中间件（可以加动态IP）  
# See http://scrapy.readthedocs.org/en/latest/topics/downloader-middleware.html  
#DOWNLOADER_MIDDLEWARES = {  
#    'demo1.middlewares.MyCustomDownloaderMiddleware': 543,  
#}  
  
#启用或禁用扩展程序  
# See http://scrapy.readthedocs.org/en/latest/topics/extensions.html  
#EXTENSIONS = {  
#    'scrapy.extensions.telnet.TelnetConsole': None,  
#}  
  
#配置项目管道 （数字越小优先级越高，管道间工作互不干扰） 
# See http://scrapy.readthedocs.org/en/latest/topics/item-pipeline.html  
#ITEM_PIPELINES = {  
#    'demo1.pipelines.Demo1Pipeline': 300,  
#}  
  
#启用和配置AutoThrottle扩展（默认情况下禁用）  
# See http://doc.scrapy.org/en/latest/topics/autothrottle.html  
#AUTOTHROTTLE_ENABLED = True  
  
#初始下载延迟  
#AUTOTHROTTLE_START_DELAY = 5  
  
#在高延迟的情况下设置的最大下载延迟  
#AUTOTHROTTLE_MAX_DELAY = 60  
  
  
#Scrapy请求的平均数量应该并行发送每个远程服务器  
#AUTOTHROTTLE_TARGET_CONCURRENCY = 1.0  
  
#启用显示所收到的每个响应的调节统计信息：  
#AUTOTHROTTLE_DEBUG = False  
  
#启用和配置HTTP缓存（默认情况下禁用）  
# See http://scrapy.readthedocs.org/en/latest/topics/downloader-middleware.html#httpcache-middleware-settings  
#HTTPCACHE_ENABLED = True  
#HTTPCACHE_EXPIRATION_SECS = 0  
#HTTPCACHE_DIR = 'httpcache'  
#HTTPCACHE_IGNORE_HTTP_CODES = []  
#HTTPCACHE_STORAGE = 'scrapy.extensions.httpcache.FilesystemCacheStorage'