【python】多线程来提升scrapy的速度

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。