scrapy提高爬取速度

scrapy在单机跑大量数据的时候,在对settings文件不进行设置的时候,scrapy的爬取速度很慢,再加上多个页面层级解析,往往导致上万的数据可能爬取要半个小时之久,这还不包括插入数据到数据库的操作。下面是我在实验中测试并且验证爬取速度大幅度提升,不过前提你要注意到你爬取的目标网站有没有反IP的可能。

settings文件设置以下参数:
DOWNLOAD_DELAY = 0

CONCURRENT_REQUESTS = 100

CONCURRENT_REQUESTS_PER_DOMAIN = 100

CONCURRENT_REQUESTS_PER_IP = 100

COOKIES_ENABLED = False
  1. 降低下载延迟
    DOWNLOAD_DELAY = 0 将下载延迟设置为0,同时加入随机User-Agent是所必要的,这个是一开始就要进行设置的

  2. 多线程

    CONCURRENT_REQUESTS = 100
    CONCURRENT_REQUESTS_PER_DOMAIN = 100
    CONCURRENT_REQUESTS_PER_IP = 100
    

    scrapy框架是基于多线程Twisted,当然scrapy也是通过多线程进行数据请求的,并且支持多核CPU的并发,我们就可以通过设置并发请求数来提高爬取速度。

  3. 禁止使用Cookies
    COOKIES_ENABLED = False
    大部分情况下静止使用Cookies可以防止被ban。
    --------------------------------------- 下面是个人信息 ------------------------------------------------

个人微信:hll643435675(备注:博客)

更多资源请访问:

https://blog.youkuaiyun.com/xudailong_blog/article/details/78762262

某课视频:

https://xudailong.cc/2018/09/30/muke-courses/

更多资源请关注公众号(蛇崽网盘教程资源 ):
在这里插入图片描述
--------------------------------------- 上面是个人信息 ------------------------------

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值