Scrapy_setting

# -*- coding: utf-8 -*-

# Scrapy settings for quanshubook project
#
# For simplicity, this file contains only settings considered important or
# commonly used. You can find more settings consulting the documentation:
#
#     https://doc.scrapy.org/en/latest/topics/settings.html
#     https://doc.scrapy.org/en/latest/topics/downloader-middleware.html
#     https://doc.scrapy.org/en/latest/topics/spider-middleware.html

BOT_NAME = 'quanshubook'

SPIDER_MODULES = ['quanshubook.spiders']
NEWSPIDER_MODULE = 'quanshubook.spiders'

''' 设置模拟浏览器加载'''
# Crawl responsibly by identifying yourself (and your website) on the user-agent
#USER_AGENT = 'quanshubook (+http://www.yourdomain.com)'

'''是否遵循robot协议'''
# Obey robots.txt rules
ROBOTSTXT_OBEY = False

'''最大并发数量# 默认16'''
# Configure maximum concurrent requests performed by Scrapy (default: 16)
#CONCURRENT_REQUESTS = 32

# Configure a delay for requests for the same website (default: 0)
# See https://doc.scrapy.org/en/latest/topics/settings.html#download-delay
# See also autothrottle settings and docs

'''下载延时 默认为0'''
DOWNLOAD_DELAY = 1

# The download delay setting will honor only one of:
'''在每个域下允许的并发数 默认为8'''
#CONCURRENT_REQUESTS_PER_DOMAIN = 16

'''针对每个ip,允许发起请求的并发数量  默认为0'''
#CONCURRENT_REQUESTS_PER_IP = 16
'''不为零的情况下IP优先级比DOMAIN优先级要高'''
'''DOWNLOAD_DEALY的下载延时就针对于ip而不是网站了'''

# Disable cookies (enabled by default)

"""携带cookie"""
'''是否携带cookies 默认为True,表示携带cookie'''
COOKIES_ENABLED = False
'''默认为False,表示不追踪cookies'''
COOKIE_DEBUG = True


# Disable Telnet Console (enabled by default)
'''是一个拓展插件,可以监听到当前爬虫的一些状态(默认开启)'''
#TELNETCONSOLE_ENABLED = False


# Override the default request headers:
# 请求头的设置
DEFAULT_REQUEST_HEADERS = {
#   'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
#   'Accept-Language': 'en',
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2526.106 BIDUBrowser/8.7 Safari/537.36',
}

'''中间件'''
# Enable or disable spider middlewares
# See https://doc.scrapy.org/en/latest/topics/spider-middleware.html

'''爬虫中间件'''
#SPIDER_MIDDLEWARES = {
#    'quanshubook.middlewares.QuanshubookSpiderMiddleware': 543,
#}

'''下载中间件(数字是优先级,越小优先级越高)'''
# Enable or disable downloader middlewares
# See https://doc.scrapy.org/en/latest/topics/downloader-middleware.html
DOWNLOADER_MIDDLEWARES = {
    'quanshubook.middlewares.QidinaUserAgentDownloadmiddlerware': 543,
    'quanshubook.middlewares.QidianProxyDowoloadmiddleware':542,
    'quanshubook.middlewares.SeleiniumDoenloadMiddlerWare':544,
}

'''拓展'''
# Enable or disable extensions
# See https://doc.scrapy.org/en/latest/topics/extensions.html
#EXTENSIONS = {
#    'scrapy.extensions.telnet.TelnetConsole': None,
#}

'''管道(数字越小优先级越高)'''
# Configure item pipelines
# See https://doc.scrapy.org/en/latest/topics/item-pipeline.html
ITEM_PIPELINES = {
   'quanshubook.pipelines.QuanshubookPipeline': 300,
}

'''动态设置的下载延时'''
# 默认情况下是关闭的
# Enable and configure the AutoThrottle extension (disabled by default)
# See https://doc.scrapy.org/en/latest/topics/autothrottle.html


#AUTOTHROTTLE_ENABLED = True
# The initial download delay
'''初始下载延时(为5s)'''
#AUTOTHROTTLE_START_DELAY = 5
# The maximum download delay to be set in case of high latencies
'''最大下载延时'''
#AUTOTHROTTLE_MAX_DELAY = 60
# The average number of requests Scrapy should be sending in parallel to
# each remote server
'''发送到服务器的并行的请求数量'''
#AUTOTHROTTLE_TARGET_CONCURRENCY = 1.0
# Enable showing throttling stats for every response received:
'''是否开启debug模式(默认为TRUE)'''
#AUTOTHROTTLE_DEBUG = False

# Enable and configure HTTP caching (disabled by default)
# See https://doc.scrapy.org/en/latest/topics/downloader-middleware.html#httpcache-middleware-settings

'''缓存的拓展,(默认情况下关闭,False)'''
#HTTPCACHE_ENABLED = True
'''设置缓存时间'''
#HTTPCACHE_EXPIRATION_SECS = 0
'''设置缓存保存的路径'''
#HTTPCACHE_DIR = 'httpcache'
'''忽略的响应状态码'''
#HTTPCACHE_IGNORE_HTTP_CODES = []
'''缓存的一个储存插件'''
#HTTPCACHE_STORAGE = 'scrapy.extensions.httpcache.FilesystemCacheStorage'


# # 春花秋月何时了,往事知多少
# 将log日志信息,保存到本地文件
LOG_FILE = 'qd_log_file.log'

# 编码

LOG_ENCODING = 'utf-8'
# #开关
# CRITICAL - 严重错误(critical)
# - ERROR - 一般错误(regular errors)
# - WARNING - 警告信息(warning messages)
# - INFO - 一般信息(informational messages)
# - DEBUG - 调试信息(debugging messages)
LOG_LEVEL ='INFO'




'''其他自定义'''
'''
    调用时,
        属性 = crawler.settings['简直对']

'''

'''mongo'''
MONGO_HOST = '127.0.0.1'
MONGO_POST = 27017
MONGO_DBNAME = 'qd_book'


'''UA池'''
USER_AGENT = [
    "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)",
    "Mozilla/5.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 1.0.3705; .NET CLR 1.1.4322)",
    "Mozilla/4.0 (compatible; MSIE 7.0b; Windows NT 5.2; .NET CLR 1.1.4322; .NET CLR 2.0.50727; InfoPath.2; .NET CLR 3.0.04506.30)",
    "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)",
    "Mozilla/5.0 (X11; U; Linux; en-US) AppleWebKit/527+ (KHTML, like Gecko, Safari/419.3) Arora/0.6",
]

'''代理池'''
PROXIES = [
    {'ip_port': '111.8.60.9:8123', 'user_pwd': 'user1:pass1'},
    {'ip_port': '101.71.27.120:80', 'user_pwd': 'user2:pass2'},
    {'ip_port': '122.96.59.104:80', 'user_pwd': None},
    {'ip_port': '122.224.249.122:8088', 'user_pwd': None},
]

'''COOKIES池'''
COOKIES = [

]



常用的
'''是否遵循robot协议'''
# Obey robots.txt rules
ROBOTSTXT_OBEY = False


# 请求头的设置
DEFAULT_REQUEST_HEADERS = {
#   'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
#   'Accept-Language': 'en',
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2526.106 BIDUBrowser/8.7 Safari/537.36',
}

'''下载延时 默认为0'''
DOWNLOAD_DELAY = 1

# 管道激活
ITEM_PIPELINES = {
   'quanshubook.pipelines.QuanshubookPipeline': 300,
}
# 中间件激活
# 
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,776评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,527评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,361评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,430评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,511评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,544评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,561评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,315评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,763评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,070评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,235评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,911评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,554评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,173评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,424评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,106评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,103评论 2 352

推荐阅读更多精彩内容