Python爬虫系列之----Scrapy(六)settings.py配置文件详解

1. # -*- coding: utf-8 -*-  
2.   
3. # Scrapy settings for demo1 project  
4. #  
5. # For simplicity, this file contains only settings considered important or  
6. # commonly used. You can find more settings consulting the documentation:  
7. #  
8. #     http://doc.scrapy.org/en/latest/topics/settings.html  
9. #     http://scrapy.readthedocs.org/en/latest/topics/downloader-middleware.html  
10. #     http://scrapy.readthedocs.org/en/latest/topics/spider-middleware.html  
11.   
12. BOT_NAME = 'demo1'   #Scrapy项目的名字,这将用来构造默认 User-Agent,同时也用来log,当您使用 startproject 命令创建项目时其也被自动赋值。  
13.   
14. SPIDER_MODULES = ['demo1.spiders']   #Scrapy搜索spider的模块列表 默认: [xxx.spiders]  
15. NEWSPIDER_MODULE = 'demo1.spiders'   #使用 genspider 命令创建新spider的模块。默认: 'xxx.spiders'  
16.   
17.   
18. #爬取的默认User-Agent，除非被覆盖  
19. #USER_AGENT = 'demo1 (+http://www.yourdomain.com)'  
20.   
21. #如果启用,Scrapy将会采用 robots.txt策略  
22. ROBOTSTXT_OBEY = True  
23.   
24. #Scrapy downloader 并发请求(concurrent requests)的最大值,默认: 16  
25. #CONCURRENT_REQUESTS = 32  
26.   
27. #为同一网站的请求配置延迟（默认值：0）  
28. # See http://scrapy.readthedocs.org/en/latest/topics/settings.html#download-delay  
29. # See also autothrottle settings and docs    
30. #DOWNLOAD_DELAY = 3   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:0.25 以秒为单位  
31.   
32.       
33. #下载延迟设置只有一个有效  
34. #CONCURRENT_REQUESTS_PER_DOMAIN = 16   对单个网站进行并发请求的最大值。  
35. #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。 也就是说,并发限制将针对IP,而不是网站。该设定也影响 DOWNLOAD_DELAY: 如果 CONCURRENT_REQUESTS_PER_IP 非0,下载延迟应用在IP而不是网站上。  
36.   
37. #禁用Cookie（默认情况下启用）  
38. #COOKIES_ENABLED = False  
39.   
40. #禁用Telnet控制台（默认启用）  
41. #TELNETCONSOLE_ENABLED = False   
42.   
43. #覆盖默认请求标头：  
44. #DEFAULT_REQUEST_HEADERS = {  
45. #   'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',  
46. #   'Accept-Language': 'en',  
47. #}  
48.   
49. #启用或禁用蜘蛛中间件  
50. # See http://scrapy.readthedocs.org/en/latest/topics/spider-middleware.html  
51. #SPIDER_MIDDLEWARES = {  
52. #    'demo1.middlewares.Demo1SpiderMiddleware': 543,  
53. #}  
54.   
55. #启用或禁用下载器中间件  
56. # See http://scrapy.readthedocs.org/en/latest/topics/downloader-middleware.html  
57. #DOWNLOADER_MIDDLEWARES = {  
58. #    'demo1.middlewares.MyCustomDownloaderMiddleware': 543,  
59. #}  
60.   
61. #启用或禁用扩展程序  
62. # See http://scrapy.readthedocs.org/en/latest/topics/extensions.html  
63. #EXTENSIONS = {  
64. #    'scrapy.extensions.telnet.TelnetConsole': None,  
65. #}  
66.   
67. #配置项目管道  
68. # See http://scrapy.readthedocs.org/en/latest/topics/item-pipeline.html  
69. #ITEM_PIPELINES = {  
70. #    'demo1.pipelines.Demo1Pipeline': 300,  
71. #}  
72.   
73. #启用和配置AutoThrottle扩展（默认情况下禁用）  
74. # See http://doc.scrapy.org/en/latest/topics/autothrottle.html  
75. #AUTOTHROTTLE_ENABLED = True  
76.   
77. #初始下载延迟  
78. #AUTOTHROTTLE_START_DELAY = 5  
79.   
80. #在高延迟的情况下设置的最大下载延迟  
81. #AUTOTHROTTLE_MAX_DELAY = 60  
82.   
83.   
84. #Scrapy请求的平均数量应该并行发送每个远程服务器  
85. #AUTOTHROTTLE_TARGET_CONCURRENCY = 1.0  
86.   
87. #启用显示所收到的每个响应的调节统计信息：  
88. #AUTOTHROTTLE_DEBUG = False  
89.   
90. #启用和配置HTTP缓存（默认情况下禁用）  
91. # See http://scrapy.readthedocs.org/en/latest/topics/downloader-middleware.html#httpcache-middleware-settings  
92. #HTTPCACHE_ENABLED = True  
93. #HTTPCACHE_EXPIRATION_SECS = 0  
94. #HTTPCACHE_DIR = 'httpcache'  
95. #HTTPCACHE_IGNORE_HTTP_CODES = []  
96. #HTTPCACHE_STORAGE = 'scrapy.extensions.httpcache.FilesystemCacheStorage'