https://doc.scrapy.org/en/latest/topics/settings.html
参数 | 备注 | 描述 |
---|---|---|
AWS_ACCESS_KEY_ID | None | 连接 Amazon Web services 的AWS access key |
AWS_SECRET_ACCESS_KEY | None | 连接 Amazon Web services 的AWS secret key |
BOT_NAME | scrapybot’ | Scrapy项目实现的bot的名字 |
CONCURRENT_ITEMS | 100 | Item Processor(即 Item Pipeline) 同时处理(每个response的)item的最大值。 |
CONCURRENT_REQUESTS | 16 | Scrapy downloader 并发请求(concurrent requests)的最大值。 |
CONCURRENT_REQUESTS_PER_DOMAIN | 8 | 对单个网站进行并发请求的最大值。 |
CONCURRENT_REQUESTS_PER_IP | 0 | 对单个IP进行并发请求的最大值。 |
DEFAULT_ITEM_CLASS | scrapy.item.Item’ | the Scrapy shell 中实例化item使用的默认类 |
DEFAULT_REQUEST_HEADERS | Scrapy HTTP Request使用的默认header | |
DEPTH_LIMIT | 0 | 爬取网站最大允许的深度(depth)值。如果为0,则没有限制。 |
DEPTH_PRIORITY | 0 | 整数值。用于根据深度调整request优先级。如果为0,则不根据深度进行优先级调整。 |
DEPTH_STATS | TRUE | 是否收集最大深度数据。 |
DEPTH_STATS_VERBOSE | FALSE | 是否收集详细的深度数据。如果启用,每个深度的请求数将会被收集在数据中。 |
DNSCACHE_ENABLED | TRUE | 是否启用DNS内存缓存(DNS in-memory cache)。 |
DNSCACHE_SIZE | 10000 | DNS in-memory cache size. |
DNS_TIMEOUT | 60 | Timeout for processing of DNS queries in seconds. Float is supported. |
DOWNLOADER | scrapy.core.downloader.Downloader’ | 用于crawl的downloader. |
DOWNLOADER_MIDDLEWARES | {} | 保存项目中启用的下载中间件及其顺序的字典。 |
DOWNLOADER_MIDDLEWARES_BASE | 包含Scrapy默认启用的下载中间件的字典。 | |
DOWNLOADER_STATS | TRUE | 是否收集下载器数据。 |
DOWNLOAD_DELAY | 0 | 下载器在下载同一个网站下一个页面前需要等待的时间。 |
DOWNLOAD_HANDLERS | 保存项目中启用的下载处理器(request downloader handler)的字典。 | |
DOWNLOAD_HANDLERS_BASE | 保存项目中默认启用的下载处理器(request downloader handler)的字典。 | |
DOWNLOAD_TIMEOUT | 180 | 下载器超时时间(单位: 秒)。 |
DOWNLOAD_MAXSIZE | 最大的响应大小 | |
DOWNLOAD_WARNSIZE | 最大响应提醒大小 | |
DUPEFILTER_CLASS | scrapy.dupefilters.RFPDupeFilter’ | 用于检测过滤重复请求的类。 |
DUPEFILTER_DEBUG | FALSE | 默认情况下, RFPDupeFilter 只记录第一次重复的请求。 设置 DUPEFILTER_DEBUG 为 True 将会使其记录所有重复的requests。 |
EDITOR | depends on the environment | 执行 edit 命令编辑spider时使用的编辑器。 |
EXTENSIONS | 保存项目中启用的插件及其顺序的字典。 | |
EXTENSIONS_BASE | 可用的插件列表。 | |
ITEM_PIPELINES | 保存项目中启用的pipeline及其顺序的字典。 | |
ITEM_PIPELINES_BASE | 保存项目中默认启用的pipeline的字典。 | |
LOG_ENABLED | TRUE | 是否启用logging。 |
LOG_ENCODING | utf-8’ | logging使用的编码。 |
LOG_FILE | None | 如果为None,则使用标准错误输出(standard error)。 |
LOG_FORMAT | log的格式 | |
LOG_DATEFORMAT | log时间格式 | |
LOG_LEVEL | log的最低级别 | |
LOG_STDOUT | FALSE | 如果为 True ,进程所有的标准输出(及错误)将会被重定向到log中。 |
MEMDEBUG_ENABLED | FALSE | 是否启用内存调试(memory debugging)。 |
MEMDEBUG_NOTIFY | 如果该设置不为空,当启用内存调试时将会发送一份内存报告到指定的地址;否则该报告将写到log中。 | |
MEMUSAGE_ENABLED | FALSE | 是否启用内存使用插件。 |
MEMUSAGE_LIMIT_MB | 0 | 在关闭Scrapy之前所允许的最大内存数 |
MEMUSAGE_NOTIFY_MAIL | FALSE | 达到内存限制时通知的email列表 |
MEMUSAGE_REPORT | FALSE | 每个spider被关闭时是否发送内存使用报告。 |
MEMUSAGE_WARNING_MB | 0 | 在发送警告email前所允许的最大内存数 |
NEWSPIDER_MODULE | 使用 genspider 命令创建新spider的模块。 | |
RANDOMIZE_DOWNLOAD_DELAY | TRUE | 如果启用,当从相同的网站获取数据时,Scrapy将会等待一个随机的值 (0.5到1.5之间的一个随机值 * DOWNLOAD_DELAY)。 |
REACTOR_THREADPOOL_MAXSIZE | 10 | The maximum limit for Twisted Reactor thread pool size. |
REDIRECT_MAX_TIMES | 20 | 定义request允许重定向的最大次数。 |
REDIRECT_MAX_METAREFRESH_DELAY | 100 | 有些网站使用 meta-refresh 重定向到session超时页面, 因此我们限制自动重定向到最大延迟(秒)。 |
REDIRECT_PRIORITY_ADJUST | 2 | 修改重定向请求相对于原始请求的优先级。 负数意味着更多优先级。 |
ROBOTSTXT_OBEY | FALSE | 如果启用,Scrapy将会尊重 robots.txt策略。 |
SCHEDULER | scrapy.core.scheduler.Scheduler’ | 用于爬取的调度器。 |
SPIDER_CONTRACTS | 保存项目中启用用于测试spider的scrapy contract及其顺序的字典。 | |
SPIDER_CONTRACTS_BASE | 保存项目中默认启用的scrapy contract的字典。 | |
SPIDER_LOADER_CLASS | scrapy.spiderloader.SpiderLoader’ | The class that will be used for loading spiders |
SPIDER_MIDDLEWARES | 保存项目中启用的下载中间件及其顺序的字典。 | |
SPIDER_MIDDLEWARES_BASE | 保存项目中默认启用的spider中间件的字典。 | |
SPIDER_MODULES | Scrapy搜索spider的模块列表。 | |
STATS_CLASS | scrapy.statscollectors.MemoryStatsCollector’ | 收集数据的类。 |
STATS_DUMP | TRUE | 当spider结束时dump Scrapy状态数据 (到Scrapy log中)。 |
STATSMAILER_RCPTS | spider完成爬取后发送Scrapy数据。 | |
TELNETCONSOLE_ENABLED | TRUE | 表明 telnet 终端 (及其插件)是否启用的布尔值。 |
TELNETCONSOLE_PORT | [6023, 6073] | telnet终端使用的端口范围。如果设置为 None 或 0 , 则使用动态分配的端口。 |
TEMPLATES_DIR | 默认: scrapy模块内部的 templates | 使用 startproject 命令创建项目时查找模板的目录。 |
URLLENGTH_LIMIT | 2083 | 爬取URL的最大长度。 |
USER_AGENT | 爬取的默认User-Agent,除非被覆盖。 |