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。

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

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,是Scrapy HTTP Request使用的默认header。

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

• 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.ItcastJsonPipeline': 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。
• PROXIES： 代理设置
  • 示例：

    PROXIES = [
    {'ip_port': '111.11.228.75:80',   'password': ''},
    {'ip_port': '120.198.243.22:80',   'password': ''},
    {'ip_port': '111.8.60.9:8123',   'password': ''},
    {'ip_port': '101.71.27.120:80',   'password': ''},
    {'ip_port': '122.96.59.104:80',   'password': ''},
    {'ip_port': '122.224.249.122:8088',   'password':''},
    ]
    

• COOKIES_ENABLED = False
  • 禁用Cookies