scrapy常用settings.py

settings.py

scrapy的配置有点多,这里列出常用的选项


# 控制日志级别  (ERROR WARNING INFO DEBUG)
LOG_LEVEL = 'DEBUG'
# LOG_FILE = 'scrapy.log'

# 自定义 超时 时间
DOWNLOAD_TIMEOUT = 15

# 不遵守 robots 协议
ROBOTSTXT_OBEY = False

# 不需要cookie时,尽量废除他
COOKIES_ENABLED = False

# 配置 telnet 控制台,功能强大
TELNETCONSOLE_USERNAME = 'xxxxxx'
TELNETCONSOLE_PASSWORD = 'xxxxxx'
TELNETCONSOLE_PORT = 6666
TELNETCONSOLE_HOST = '0.0.0.0'


# 自定义请求头
DEFAULT_REQUEST_HEADERS = {
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
    'Accept-Language': 'zh-CN,zh;q=0.9',
}

# 自定义UA,大规模爬虫请去中间件里面设置
USER_AGENT = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36'


# =======================================================================
# 启动‘自动掐死’插件后,一般不用管这个了
# DOWNLOAD_DELAY = 1
# CONCURRENT_REQUESTS = 16
# CONCURRENT_REQUESTS_PER_DOMAIN = 16
# CONCURRENT_REQUESTS_PER_IP = 16


# =======================================================================
# 自动流量控制
AUTOTHROTTLE_ENABLED = True
AUTOTHROTTLE_START_DELAY = 0
AUTOTHROTTLE_MAX_DELAY = 30
# AUTOTHROTTLE_TARGET_CONCURRENCY = 1.0
# AUTOTHROTTLE_DEBUG = False


# =======================================================================
# http缓存,把请求和响应缓存到本地,很适合调试时候使用。
HTTPCACHE_ENABLED = True
HTTPCACHE_EXPIRATION_SECS = 0
HTTPCACHE_DIR = 'httpcache'
# HTTPCACHE_IGNORE_HTTP_CODES = []
HTTPCACHE_STORAGE = 'scrapy.extensions.httpcache.FilesystemCacheStorage'


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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