Python:Scrapy的settings

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.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