Python Scrapy框架学习---入门-Settings(九)

Settings

Scrapy设置(settings)提供了定制Scrapy组件的方法。可以控制包括核心(core)，插件(extension)，pipeline及spider组件。比如 设置Json Pipeliine、LOG_LEVEL等。

参考文档：http://scrapy-chs.readthedocs.io/zh_CN/1.0/topics/settings.html#topics-settings-ref

内置设置参考手册

• BOT_NAME

  • 默认: ‘scrapybot’
  • 当您使用 startproject 命令创建项目时其也被自动赋值。

• CONCURRENT_ITEMS

  • 默认: 100
  • Item Processor(即 Item Pipeline) 同时处理(每个response的)item的最大值。

• CONCURRENT_REQUESTS

  • 默认: 16
  • Scrapy downloader 并发请求(concurrent requests)的最大值。

• DEFAULT_REQUEST_HEADERS

  • 默认: 如下

  {
  'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
  'Accept-Language': 'en',
  }
  

  • Scrapy HTTP Request使用的默认header。

• DEPTH_LIMIT

  • 默认: 0
  • 爬取网站最大允许的深度(depth)值。如果为0，则没有限制。

• DOWNLOAD_DELAY

  • 默认: 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。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:
    DOWNLOAD_DELAY = 0.25 # 250 ms of delay
  • 默认情况下，Scrapy在两个请求间不等待一个固定的值， 而是使用0.5到1.5之间的一个随机值 * DOWNLOAD_DELAY 的结果作为等待间隔。

• DOWNLOAD_TIMEOUT

  • 默认: 180
  • 下载器超时时间(单位: 秒)。

• ITEM_PIPELINES

  • 默认: {}
  • 保存项目中启用的pipeline及其顺序的字典。该字典默认为空，值(value)任意，不过值(value)习惯设置在0-1000范围内，值越小优先级越高。

  ITEM_PIPELINES = {
  'mySpider.pipelines.SomethingPipeline': 300,
  'mySpider.pipelines.mySpiderPipeline': 800,
  }
  

• LOG_ENABLED

  • 默认: True
  • 是否启用logging。

• LOG_ENCODING

  • 默认: ‘utf-8’
  • logging使用的编码。

• LOG_LEVEL

  • 默认: ‘DEBUG’
  • log的最低级别。可选的级别有: CRITICAL、 ERROR、WARNING、INFO、DEBUG 。

• USER_AGENT

  • 默认: “Scrapy/VERSION (+http://scrapy.org)”
  • 爬取的默认User-Agent，除非被覆盖。

• COOKIES_ENABLED = False

  • 禁用Cookies