scrapy的settings

32 篇文章 4 订阅
8 篇文章 0 订阅

详情参考官方文档 scrapy

# -*- coding: utf-8 -*-

# Scrapy settings for Agarth project
#
# For simplicity, this file contains only settings considered important or
# commonly used. You can find more settings consulting the documentation:
#
#     https://doc.scrapy.org/en/latest/topics/settings.html
#     https://doc.scrapy.org/en/latest/topics/downloader-middleware.html
#     https://doc.scrapy.org/en/latest/topics/spider-middleware.html
from datetime import datetime

#spider名
BOT_NAME = 'lz_spider'  
SPIDER_MODULES = ['lz_spider.spiders']
NEWSPIDER_MODULE = 'lz_spider.spiders'
# Scrapy settings for example project
#
# For simplicity, this file contains only the most important settings by
# default. All the other settings are documented here:
#
#     http://doc.scrapy.org/topics/settings.html
ROBOTSTXT_OBEY = False   #爬虫协议 False为不遵守协议

#设置请求头
DEFAULT_REQUEST_HEADERS = {
'User-Agent':'Mozilla/5.0 (Windows NT 6.1; rv:60.0) Gecko/20100101 Firefox/60.0',
'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
'Accept-Encoding':'gzip, deflate',
'Accept-Language':'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
'Connection':'keep-alive',
'Upgrade-Insecure-Requests': '1' ,
}

MEDIA_ALLOW_REDIRECTS = True    #因为图片地址会被重定向,所以这个属性要为True
# IMAGES_STORE =  './images'    #图片下载路径

COOKIES_ENABLED = True       #开启并使用自定义cookie中间件
# COOKIES_DEBUG =True        #跟踪cookiess

#日志模块
LOG_ENABLED = True       #开启日志
LOG_ENCODING = 'utf-8'  #日志字节码
LOG_LEVEL = 'INFO'      #日志级别
today = datetime.now()
log_file_path = "log/spiders-{}-{}-{}.log".format(today.year, today.month, today.day)
LOG_FORMAT='%(asctime)s [%(name)s] %(levelname)s: %(message)s'# 日志格式
LOG_DATEFORMAT='%Y-%m-%d %H:%M:%S'# 日志时间格式
#LOG_FILE = log_file_path    #日志保存为文件


#下载器中间件
DOWNLOADER_MIDDLEWARES = {
    'lz_spider.middlewares.IpProxyDownloadMiddleware': 300,
}
#下载器管道
ITEM_PIPELINES = {
   'lz_spider.pipelines.TorWholeNetworkPipeline': 355,
}

#爬虫中间件
#SPIDER_MIDDLEWARES = {
#    'AWS.middlewares.AwsSpiderMiddleware': 543,
#}
# Introduce an artifical delay to make use of parallelism. to speed up the
# crawl.

#爬虫允许的最大深度,可以通过meta查看当前深度;0表示无深度
DEPTH_LIMIT = 5

#0表示深度优先Lifo(默认);1表示广度优先FiFo
# 后进先出,深度优先
# DEPTH_PRIORITY = 0
# SCHEDULER_DISK_QUEUE = 'scrapy.squeues.PickleLifoDiskQueue'
# SCHEDULER_MEMORY_QUEUE = 'scrapy.squeues.LifoMemoryQueue'
# 先进先出,广度优先
DEPTH_PRIORITY = 1
SCHEDULER_DISK_QUEUE = 'scrapy.squeues.PickleFifoDiskQueue'
SCHEDULER_MEMORY_QUEUE = 'scrapy.squeues.FifoMemoryQueue'

DOWNLOAD_DELAY = 0.01  #下载延时
AUTOTHROTTLE_START_DELAY = 2 # 初始下载延迟
AUTOTHROTTLE_MAX_DELAY = 10 # 在高延迟情况下设置的最大下载延迟

#使用RetryMiddleware中间件
RETRY_ENABLED = True
RETRY_TIMES = 3     #状态码重新请求数
RETRY_HTTP_CODES = [500, 503, 403, 404, 302]    #遇到这些状态码时候重新请求


CONCURRENT_REQUESTS = 16   # Scrapy downloader设置最大并发数(默认是16个,可以自己设置更多。但是要注意电脑的性能)
CONCURRENT_REQUESTS_PER_DOMAIN = 16   # 对单个网站进行并发请求的最大值。
CONCURRENT_REQUESTS_PER_IP = 16   # 对单个IP进行并发请求的最大值。如果非0,则忽略 CONCURRENT_REQUESTS_PER_DOMAIN 设定,使用该设定。



"""
下面为scrapy_reids配置
"""
# redis配置
# REDIS_HOST = 'x.x.x.x'
# REDIS_PORT = '6379'

# REDIS_PARAMS = {
#     # 'password': '',
#     'db': 0
# }

# DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter"  # 使用scrapy_redis 里的去重组件,不使用scrapy默认的去重方式
# SCHEDULER = "scrapy_redis.scheduler.Scheduler"            # 使用scrapy_redis 里的调度器组件,不使用默认的调度器
# SCHEDULER_QUEUE_CLASS = 'scrapy_redis.queue.SpiderPriorityQueue' #使用优先级调度请求队列 (默认使用)
# SCHEDULER_PERSIST = True          # 允许暂停,redis请求记录不丢失
# SCHEDULER_FLUSH_ON_START = True  # 自动清理redis里面的key

#MYEXT_ENABLED=True      # 开启scrapy扩展
#IDLE_NUMBER=300         # 配置空闲持续时间单位为 300个 ,一个时间单位为5s
# 在 EXTENSIONS 配置,激活扩展
#EXTENSIONS= {
#            'lz_spider.extensions.RedisSpiderSmartIdleClosedExensions': 500,
#        }
        
# ITEM_PIPELINES = {
#     'scrapy_redis.pipelines.RedisPipeline': 100,
# }

#可选用的其它队列
#SCHEDULER_QUEUE_CLASS = 'scrapy_redis.queue.FifoQueue'
#SCHEDULER_QUEUE_CLASS = 'scrapy_redis.queue.LifoQueue'

# # 去重队列的信息
# FILTER_URL = None
# FILTER_HOST = 'localhost'
# FILTER_PORT = 6379
# FILTER_DB = 0
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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