爬蟲（十五）：scrapy中的settings詳解

Scrapy設定(settings)提供了定製Scrapy組件的方法。你能夠控制包括核心(core)，插件(extension)，pipeline及spider組件。設定爲代碼提供了提取以key-value映射的配置值的的全局命名空間(namespace)。

Scrapy內置設置

下面給出scrapy提供的經常使用內置設置列表,你能夠在settings.py文件裏面修改這些設置，以應用或者禁用這些設置項。

• BOT_NAME
  默認: 'scrapybot'
  Scrapy項目實現的bot的名字。用來構造默認 User-Agent，同時也用來log。
  當你使用 startproject 命令建立項目時其也被自動賦值。
• CONCURRENT_ITEMS
  默認: 100
  Item Processor(即 Item Pipeline) 同時處理(每一個response的)item的最大值
• CONCURRENT_REQUESTS
  默認: 16
  Scrapy downloader 併發請求(concurrent requests)的最大值。
• CONCURRENT_REQUESTS_PER_DOMAIN
  默認: 8
  對單個網站進行併發請求的最大值。
• CONCURRENT_REQUESTS_PER_IP
  默認: 0
  對單個IP進行併發請求的最大值。若是非0，則忽略 CONCURRENT_REQUESTS_PER_DOMAIN 設定， 使用該設定。 也就是說，併發限制將針對IP，而不是網站。
  該設定也影響 DOWNLOAD_DELAY: 若是 CONCURRENT_REQUESTS_PER_IP 非0，下載延遲應用在IP而不是網站上。
• DEFAULT_ITEM_CLASS
  默認: 'scrapy.item.Item'
  the Scrapy shell 中實例化item使用的默認類。

• DEFAULT_REQUEST_HEADERS
  默認:

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

  Scrapy HTTP Request使用的默認header。由 DefaultHeadersMiddleware 產生。
• DOWNLOADER
  默認: 'scrapy.core.downloader.Downloader'
  用於crawl的downloader.
• DOWNLOADER_MIDDLEWARES
  默認:: {}
  保存項目中啓用的下載中間件及其順序的字典。
• DOWNLOAD_DELAY
  默認: 0
  下載器在下載同一個網站下一個頁面前須要等待的時間。該選項能夠用來限制爬取速度， 減輕服務器壓力。同時也支持小數:
• DOWNLOAD_HANDLERS
  默認: {}
  保存項目中啓用的下載處理器(request downloader handler)的字典。
• DOWNLOAD_TIMEOUT
  默認: 180
  下載器超時時間(單位: 秒)。
• EXTENSIONS
  默認:{}
  保存項目中啓用的插件及其順序的字典。
• ITEM_PIPELINES
  默認: {}
  保存項目中啓用的pipeline及其順序的字典。該字典默認爲空，值(value)任意。 不過值(value)習慣設定在0-1000範圍內。
• ITEM_PIPELINES_BASE
  默認: {}
  保存項目中默認啓用的pipeline的字典。 永遠不要在項目中修改該設定，而是修改 ITEM_PIPELINES 。
• LOG_ENABLED
  默認: True
  是否啓用logging。
• LOG_ENCODING
  默認: 'utf-8'
  logging使用的編碼。
• LOG_FILE
  默認: None
  logging輸出的文件名。若是爲None，則使用標準錯誤輸出(standard error)。
• LOG_FORMAT
  默認: '%(asctime)s [%(name)s] %(levelname)s: %(message)s'
  日誌的數據格式
• LOG_DATEFORMAT
  默認: '%Y-%m-%d %H:%M:%S'
  日誌的日期格式
• LOG_LEVEL
  默認: 'DEBUG'
  log的最低級別。可選的級別有: CRITICAL、 ERROR、WARNING、INFO、DEBUG。
• LOG_STDOUT
  默認: False
  若是爲 True ，進程全部的標準輸出(及錯誤)將會被重定向到log中。
• RANDOMIZE_DOWNLOAD_DELAY
  默認: True
  若是啓用，當從相同的網站獲取數據時，Scrapy將會等待一個隨機的值 (0.5到1.5之間的一個隨機值 * DOWNLOAD_DELAY)。
  該隨機值下降了crawler被檢測到(接着被block)的機會。某些網站會分析請求， 查找請求之間時間的類似性。
• REDIRECT_MAX_TIMES
  默認: 20
  定義request容許重定向的最大次數。超過該限制後該request直接返回獲取到的結果。 對某些任務咱們使用Firefox默認值。
• ROBOTSTXT_OBEY
  默認: False
  是否遵循robots協議
• SCHEDULER
  默認: 'scrapy.core.scheduler.Scheduler'
  用於爬取的調度器。
• SPIDER_MIDDLEWARES
  默認: {}
  保存項目中啓用的下載中間件及其順序的字典。

• USER_AGENT
  默認: "Scrapy/VERSION (+http://scrapy.org)"
  爬取的默認User-Agent，除非被覆蓋。

Scrapy默認BASE設置

scrapy對某些內部組件進行了默認設置，這些組件一般狀況下是不能被修改的，可是咱們在自定義了某些組件之後，好比咱們設置了自定義的middleware中間件，須要按照必定的順序把他添加到組件之中，這個時候須要參考scrapy的默認設置，由於這個順序會影響scrapy的執行，下面列出了scrapy的默認基礎設置。

注意：若是你想要修改如下的某些設置，應該避免直接修改下列內容，而是修改其對應的自定義內容，例如，你想修改下面的DOWNLOADER_MIDDLEWARES_BASE的內容，你應該去修改DOWNLOADER_MIDDLEWARES這個內容，只是去掉了_BASE而已，其餘的也是相似這樣。

• DOWNLOADER_MIDDLEWARES_BASE
  默認:

  {
      'scrapy.downloadermiddlewares.robotstxt.RobotsTxtMiddleware': 100, 'scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware': 300, 'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware': 350, 'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware': 400, 'scrapy.downloadermiddlewares.retry.RetryMiddleware': 500, 'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware': 550, 'scrapy.downloadermiddlewares.redirect.MetaRefreshMiddleware': 580, 'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware': 590, 'scrapy.downloadermiddlewares.redirect.RedirectMiddleware': 600, 'scrapy.downloadermiddlewares.cookies.CookiesMiddleware': 700, 'scrapy.downloadermiddlewares.httpproxy.HttpProxyMiddleware': 750, 'scrapy.downloadermiddlewares.chunked.ChunkedTransferMiddleware': 830, 'scrapy.downloadermiddlewares.stats.DownloaderStats': 850, 'scrapy.downloadermiddlewares.httpcache.HttpCacheMiddleware': 900, }

  包含Scrapy默認啓用的下載中間件的字典。 永遠不要在項目中修改該設定，而是修改 DOWNLOADER_MIDDLEWARES 。

• SPIDER_MIDDLEWARES_BASE
  默認:

  {
      'scrapy.spidermiddlewares.httperror.HttpErrorMiddleware': 50, 'scrapy.spidermiddlewares.offsite.OffsiteMiddleware': 500, 'scrapy.spidermiddlewares.referer.RefererMiddleware': 700, 'scrapy.spidermiddlewares.urllength.UrlLengthMiddleware': 800, 'scrapy.spidermiddlewares.depth.DepthMiddleware': 900, }

  保存項目中默認啓用的spider中間件的字典。 永遠不要在項目中修改該設定，而是修改 SPIDER_MIDDLEWARES 。

• EXTENSIONS_BASE
  默認:

  {
      'scrapy.extensions.corestats.CoreStats': 0, 'scrapy.telnet.TelnetConsole': 0, 'scrapy.extensions.memusage.MemoryUsage': 0, 'scrapy.extensions.memdebug.MemoryDebugger': 0, 'scrapy.extensions.closespider.CloseSpider': 0, 'scrapy.extensions.feedexport.FeedExporter': 0, 'scrapy.extensions.logstats.LogStats': 0, 'scrapy.extensions.spiderstate.SpiderState': 0, 'scrapy.extensions.throttle.AutoThrottle': 0, }

  可用的插件列表。須要注意，有些插件須要經過設定來啓用。默認狀況下， 該設定包含全部穩定(stable)的內置插件。

• DOWNLOAD_HANDLERS_BASE
  默認:

  {
      'file': 'scrapy.core.downloader.handlers.file.FileDownloadHandler', 'http': 'scrapy.core.downloader.handlers.http.HttpDownloadHandler', 'https': 'scrapy.core.downloader.handlers.http.HttpDownloadHandler', 's3': 'scrapy.core.downloader.handlers.s3.S3DownloadHandler', }

  保存項目中默認啓用的下載處理器(request downloader handler)的字典。 永遠不要在項目中修改該設定，而是修改 DOWNLOADER_HANDLERS 。

  若是須要關閉上面的下載處理器，您必須在項目中的 DOWNLOAD_HANDLERS 設定中設置該處理器，併爲其賦值爲 None 。

說明

即便咱們添加了一些咱們自定義的組件，scrapy默認的base設置依然會被應用，這樣說可能會一頭霧水，簡單地例子：

假如咱們在middlewares.py文件中定義了一箇中間件，名稱爲MyMiddleware，咱們把它添加到settings.py文件裏面的DOWNLOADER_MIDDLEWARES，且他的執行順序咱們設置爲450，最終的設置內容就是：

DOWNLOADER_MIDDLEWARES = {
    'cnblog.middlewares.MyMiddleware':450,
}

咱們再來看一下默認的DOWNLOADER_MIDDLEWARES_BASE的內容：

DOWNLOADER_MIDDLEWARES_BASE ={
    'scrapy.downloadermiddlewares.robotstxt.RobotsTxtMiddleware': 100, 'scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware': 300, 'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware': 350, 'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware': 400, 'scrapy.downloadermiddlewares.retry.RetryMiddleware': 500, 'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware': 550, 'scrapy.downloadermiddlewares.redirect.MetaRefreshMiddleware': 580, 'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware': 590, 'scrapy.downloadermiddlewares.redirect.RedirectMiddleware': 600, 'scrapy.downloadermiddlewares.cookies.CookiesMiddleware': 700, 'scrapy.downloadermiddlewares.httpproxy.HttpProxyMiddleware': 750, 'scrapy.downloadermiddlewares.chunked.ChunkedTransferMiddleware': 830, 'scrapy.downloadermiddlewares.stats.DownloaderStats': 850, 'scrapy.downloadermiddlewares.httpcache.HttpCacheMiddleware': 900, }

這個時候，scrapy下載中間件的最終的執行順序就是，把DOWNLOADER_MIDDLEWARES和DOWNLOADER_MIDDLEWARES_BASE裏面的中間件按照順序執行，100>300>350>400>450>500>550>580>590>600>700>750>830>850>900且所有執行，並不會由於咱們定義了一箇中間件，而使默認的中間件失效，也就是說，最終的結果實際上是合併執行。

若是咱們不想應用某一個默認的中間件，假如'scrapy.downloadermiddlewares.retry.RetryMiddleware': 500,那麼，就應該在DOWNLOADER_MIDDLEWARES裏面把它的值設置爲None，像下面這樣：

DOWNLOADER_MIDDLEWARES = {
    'cnblog.middlewares.MyMiddleware':450, 'scrapy.downloadermiddlewares.retry.RetryMiddleware':None， }