02-27 提高scrapy爬取效率的方法

1、增加并发（增加并发线程数）

scrapy默认开启的线程为32个，可以适当增加。在setting文件中修改为 100

2、降低日志级别

在运行scrapy时会有大量日志信息输出，为了减少日志信息的输出，降低CPU的使用率，可以设置

输出错误日志 LOG_LEVEL='ERROR'  或者 'INFO'

3、禁止cookie

如果不是真的需要cookie，则在爬取数据时可以禁止cookie，从而减少CPU的使用率。在
setting中写 COOKIES_ENABLED=False

4、禁止重试：

对失败的HTTP进行重新请求会降低爬取速度，因此可以禁止重试；设置 RETRY_ENABLED=False

5、减少下载超时

如果对一个非常慢的连接进行爬取，减少下载超时可以能让卡主的连接快速被放弃，从而提升
效率。设置： DOWNLOAD_TIMEUT=10 （超时时间为10s）