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​​
  • ​​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