备案控制台
探索云世界
开发者社区 Python技术进阶 文章 正文

scrapy常用设置参考手册

2019-03-28 1989
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 内置设置参考以下是所有可用Scrapy设置的列表，按字母顺序排列，以及它们的默认值和适用范围。范围（如果可用）显示设置的使用位置，如果它与任何特定组件相关联。在那种情况下，将显示该组件的模块，通常是扩展，中间件或管道。

内置设置参考

以下是所有可用Scrapy设置的列表，按字母顺序排列，以及它们的默认值和适用范围。

范围（如果可用）显示设置的使用位置，如果它与任何特定组件相关联。在那种情况下，将显示该组件的模块，通常是扩展，中间件或管道。它还意味着必须启用该组件才能使设置产生任何效果。

AWS_ACCESS_KEY_ID

默认： None

需要访问Amazon Web服务的代码使用的AWS访问密钥，例如S3 Feed存储后端。

AWS_SECRET_ACCESS_KEY

默认： None

需要访问Amazon Web服务的代码使用的AWS密钥，例如S3 Feed存储后端。

AWS_ENDPOINT_URL

默认： None

用于类似S3的存储的端点URL，例如Minio或s3.scality。仅支持botocore库。

AWS_USE_SSL

默认： None

如果要禁用SSL连接以与S3或类似S3的存储进行通信，请使用此选项。默认情况下，将使用SSL。仅支持botocore库。

AWS_VERIFY

默认： None

验证Scrapy与S3或类似S3的存储之间的SSL连接。默认情况下，将进行SSL验证。仅支持botocore库。

AWS_REGION_NAME

默认： None

与AWS客户端关联的区域的名称。仅支持botocore库。

BOT_NAME

默认： 'scrapybot'

此Scrapy项目实现的机器人名称（也称为项目名称）。这将默认用于构建User-Agent，也用于日志记录。

使用该startproject命令创建项目时，它会自动填充项目名称。

CONCURRENT_ITEMS

默认： 100

在项目处理器（也称为项目管道）中并行处理的最大并发项数（每个响应）。

CONCURRENT_REQUESTS

默认： 16

Scrapy下载程序将执行的最大并发（即同时）请求数。

CONCURRENT_REQUESTS_PER_DOMAIN

默认： 8

将对任何单个域执行的最大并发（即同时）请求数。

另请参阅：AutoThrottle扩展及其 AUTOTHROTTLE_TARGET_CONCURRENCY选项。

CONCURRENT_REQUESTS_PER_IP

默认： 0

将对任何单个IP执行的最大并发（即同时）请求数。如果非零，CONCURRENT_REQUESTS_PER_DOMAIN则忽略该 设置，而使用此设置。换句话说，并发限制将应用于每个IP，而不是每个域。

此设置还会影响DOWNLOAD_DELAY和 AutoThrottle扩展：如果CONCURRENT_REQUESTS_PER_IP 非零，则按 IP而不是每个域强制执行下载延迟。

DEFAULT_ITEM_CLASS

默认： 'scrapy.item.Item'

将用于实例化Scrapy shell中的项的默认类。

DEFAULT_REQUEST_HEADERS

默认：

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

用于Scrapy HTTP请求的默认标头。他们居住在 DefaultHeadersMiddleware。

DEPTH_LIMIT

默认： 0

范围： scrapy.spidermiddlewares.depth.DepthMiddleware

允许为任何站点爬网的最大深度。如果为零，则不会施加任何限制。

DEPTH_PRIORITY

默认： 0

范围： scrapy.spidermiddlewares.depth.DepthMiddleware

一个整数，用于根据深度调整请求优先级：

  • 如果为零（默认），则不从深度进行优先级调整
  • 正值将降低优先级，即稍后将处理更高深度的请求 ; 这在进行广度优先爬网（BFO）时常用
  • 负值将增加优先级，即更快的深度请求将被更快地处理（DFO）

另请参阅：Scrapy是以广度优先还是深度优先顺序爬行？关于为BFO或DFO调整Scrapy。

注意

此设置调整优先级以相反的方式相对于其他优先级设置REDIRECT_PRIORITY_ADJUST和RETRY_PRIORITY_ADJUST。

DEPTH_STATS_VERBOSE

默认： False

范围： scrapy.spidermiddlewares.depth.DepthMiddleware

是否收集详细的深度统计数据。如果启用此选项，则会在统计信息中收集每个深度的请求数。

DNSCACHE_ENABLED

默认： True

是否启用DNS内存缓存。

DNSCACHE_SIZE

默认： 10000

DNS内存缓存大小。

DNS_TIMEOUT

默认： 60

在几秒钟内处理DNS查询的超时。支持浮动。

下载

默认： 'scrapy.core.downloader.Downloader'

用于抓取的下载程序。

DOWNLOADER_HTTPCLIENTFACTORY

默认： 'scrapy.core.downloader.webclient.ScrapyHTTPClientFactory'

定义protocol.ClientFactory 用于HTTP / 1.0连接（for HTTP10DownloadHandler）的Twisted 类。

注意

HTTP / 1.0现在很少或使用，因此您可以放心地忽略此设置，除非你使用双绞线<11.1，如果你真的想使用HTTP / 1.0，并覆盖DOWNLOAD_HANDLERS_BASE了http(s)相应的方案，即'scrapy.core.downloader.handlers.http.HTTP10DownloadHandler'。

DOWNLOADER_CLIENTCONTEXTFACTORY

默认： 'scrapy.core.downloader.contextfactory.ScrapyClientContextFactory'

表示要使用的ContextFactory的类路径。

这里，“ContextFactory”是SSL / TLS上下文的Twisted术语，定义了要使用的TLS / SSL协议版本，是否进行证书验证，甚至启用客户端身份验证（以及其他各种事情）。

注意

Scrapy默认上下文工厂不执行远程服务器证书验证。这通常适用于网页抓取。

如果确实需要启用远程服务器证书验证，Scrapy还有另一个可以设置的上下文工厂类'scrapy.core.downloader.contextfactory.BrowserLikeContextFactory'，它使用平台的证书来验证远程端点。 仅当您使用Twisted> = 14.0时才可用。

如果您确实使用自定义ContextFactory，请确保它method 在init 接受参数（这是OpenSSL.SSL方法映射 DOWNLOADER_CLIENT_TLS_METHOD）。

DOWNLOADER_CLIENT_TLS_METHOD

默认： 'TLS'

使用此设置可自定义默认HTTP / 1.1下载程序使用的TLS / SSL方法。

此设置必须是以下字符串值之一：

  • 'TLS'：映射到OpenSSL TLS_method()（又名SSLv23_method()），它允许协议协商，从平台支持的最高点开始; 默认，推荐
  • 'TLSv1.0'：此值强制HTTPS连接使用TLS 1.0版; 如果你想要Scrapy的行为<1.1，请设置此项
  • 'TLSv1.1'：强制TLS版本1.1
  • 'TLSv1.2'：强制TLS版本1.2
  • 'SSLv3'：强制SSL版本3（不推荐）

注意

我们建议您使用PyOpenSSL> = 0.13和Twisted> = 0.13或更高（如果可以，Twisted> = 14.0）。

DOWNLOADER_MIDDLEWARES

默认：： {}

包含项目中启用的下载器中间件及其订单的dict。有关更多信息，请参阅激活下载中间件。

DOWNLOADER_MIDDLEWARES_BASE

默认：

{
    'scrapy.downloadermiddlewares.robotstxt.RobotsTxtMiddleware': 100,
    'scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware': 300,
    'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware': 350,
    'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware': 400,
    'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware': 500,
    'scrapy.downloadermiddlewares.retry.RetryMiddleware': 550,
    'scrapy.downloadermiddlewares.ajaxcrawl.AjaxCrawlMiddleware': 560,
    '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.stats.DownloaderStats': 850,
    'scrapy.downloadermiddlewares.httpcache.HttpCacheMiddleware': 900,
}

包含Scrapy中默认启用的下载器中间件的dict。低订单更接近引擎，高订单更接近下载。您永远不应该在项目中修改此设置，DOWNLOADER_MIDDLEWARES而是修改 。有关更多信息，请参阅 激活下载中间件。

DOWNLOADER_STATS

默认： True

是否启用下载程序统计信息收集。

DOWNLOAD_DELAY

默认： 0

在从同一网站下载连续页面之前，下载程序应等待的时间（以秒为单位）。这可用于限制爬行速度，以避免过于严重地击中服务器。支持十进制数。例：

DOWNLOAD_DELAY = 0.25    # 250 ms of delay

此设置也受RANDOMIZE_DOWNLOAD_DELAY 设置（默认情况下启用）的影响。默认情况下，Scrapy不会在请求之间等待一段固定的时间，而是使用0.5 * DOWNLOAD_DELAY和1.5 * 之间的随机间隔DOWNLOAD_DELAY。

当CONCURRENT_REQUESTS_PER_IP非零时，每个IP地址而不是每个域强制执行延迟。

您还可以通过设置download_delay spider属性来更改每个蜘蛛的此设置。

DOWNLOAD_HANDLERS

默认： {}

包含项目中启用的请求下载程序处理程序的dict。请参阅DOWNLOAD_HANDLERS_BASE格式。

DOWNLOAD_HANDLERS_BASE

默认：

{
    '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',
    'ftp': 'scrapy.core.downloader.handlers.ftp.FTPDownloadHandler',
}

包含Scrapy中默认启用的请求下载处理程序的dict。您永远不应该在项目中修改此设置，DOWNLOAD_HANDLERS而是修改 。

您可以通过分配None其URI方案来禁用任何这些下载处理程序DOWNLOAD_HANDLERS。例如，要禁用内置的FTP处理程序（无需替换），请将其放在settings.py：

DOWNLOAD_HANDLERS = {
    'ftp': None,
}

DOWNLOAD_TIMEOUT

默认： 180

下载程序在超时之前等待的时间（以秒为单位）。

注意

可以使用download_timeout spider属性为每个spider设置此超时，使用download_timeoutRequest.meta键为每个请求设置此超时。

DOWNLOAD_MAXSIZE

默认值：1073741824（1024MB）

下载程序将下载的最大响应大小（以字节为单位）。

如果要禁用它，请将其设置为0。

注意

可以使用download_maxsize spider属性为每个蜘蛛设置此大小，使用download_maxsizeRequest.meta键为每个请求设置此大小。

此功能需要Twisted> = 11.1。

DOWNLOAD_WARNSIZE

默认值：33554432（32MB）

下载程序将开始警告的响应大小（以字节为单位）。

如果要禁用它，请将其设置为0。

注意

可以使用download_warnsize spider属性为每个蜘蛛设置此大小，使用download_warnsizeRequest.meta键为每个请求设置此大小。

此功能需要Twisted> = 11.1。

DOWNLOAD_FAIL_ON_DATALOSS

默认： True

是否在响应中断时失败，即声明 Content-Length与服务器发送的内容不匹配或者分块响应未正确完成。如果True，这些响应会引发 ResponseFailed([_DataLoss])错误。如果False，这些响应被传递并且标志dataloss被添加到响应中，即： 是。'dataloss' inresponse.flagsTrue

（可选）可以使用download_fail_on_datalossRequest.meta键为每个请求设置 False。

注意

在从服务器配置错误到网络错误再到数据损坏的几种情况下，可能会发生损坏的响应或数据丢失错误。由用户决定处理损坏的响应是否有意义，因为它们可能包含部分或不完整的内容。如果RETRY_ENABLED是，True并且此设置设置为True，ResponseFailed([_DataLoss])则将像往常一样重试失败。

DUPEFILTER_CLASS

默认： 'scrapy.dupefilters.RFPDupeFilter'

用于检测和过滤重复请求的类。

默认（RFPDupeFilter）过滤器使用该scrapy.utils.request.request_fingerprint功能基于请求指纹。为了更改检查重复项的方式，您可以子类化RFPDupeFilter并覆盖其request_fingerprint方法。此方法应接受scrapy Request对象并返回其指纹（字符串）。

您可以通过设置DUPEFILTER_CLASS为禁用对重复请求的过滤 'scrapy.dupefilters.BaseDupeFilter'。但是要非常小心，因为你可以进入爬行循环。通常最好将dont_filter参数设置为不应过滤True的特定参数 Request。

DUPEFILTER_DEBUG

默认： False

默认情况下，RFPDupeFilter仅记录第一个重复请求。设置DUPEFILTER_DEBUG为True将使其记录所有重复的请求。

编辑

默认值:( vi在Unix系统上）或IDLE编辑器（在Windows上）

用于使用edit命令编辑蜘蛛的编辑器。此外，如果EDITOR设置了环境变量，则edit 命令将优先于默认设置。

扩展

默认：： {}

包含项目中启用的扩展名及其订单的dict。

EXTENSIONS_BASE

默认：

{
    'scrapy.extensions.corestats.CoreStats': 0,
    'scrapy.extensions.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,
}

包含Scrapy中默认可用扩展名的dict及其顺序。此设置包含所有稳定的内置扩展。请记住，其中一些需要通过设置启用。

有关详细信息，请参阅扩展程序用户指南 和可用扩展程序列表。

FEED_TEMPDIR

Feed Temp dir允许您在使用FTP Feed存储和 Amazon S3上载之前设置自定义文件夹以保存搜寻器临时文件。

FTP_PASSIVE_MODE

默认： True

在启动FTP传输时是否使用被动模式。

FTP_PASSWORD

默认： "guest"

该密码才能使用FTP连接时，有没有"ftp_password" 在Request元。

注意

解释RFC 1635，虽然通常使用密码“guest”或匿名FTP的一个电子邮件地址，但某些FTP服务器明确要求用户的电子邮件地址，并且不允许使用“访客”密码登录。

FTP_USER

默认： "anonymous"

用户名使用的FTP连接时，有没有"ftp_user" 在Request元。

ITEM_PIPELINES

默认： {}

包含要使用的项目管道的dict及其命令。订单值是任意的，但通常在0-1000范围内定义它们。在更高订单之前降低订单处理。

例：

ITEM_PIPELINES = {
    'mybot.pipelines.validate.ValidateMyItem': 300,
    'mybot.pipelines.validate.StoreMyItem': 800,
}

ITEM_PIPELINES_BASE

默认： {}

包含Scrapy中默认启用的管道的dict。您永远不应该在项目中修改此设置，ITEM_PIPELINES而是修改。

LOG_ENABLED

默认： True

是否启用日志记录。

LOG_ENCODING

默认： 'utf-8'

用于记录的编码。

LOG_FILE

默认： None

用于记录输出的文件名。如果None，将使用标准错误。

LOG_FORMAT

默认： '%(asctime)s [%(name)s] %(levelname)s: %(message)s'

用于格式化日志消息的字符串。有关可用占位符的完整列表，请参阅Python日志记录文档。

LOG_DATEFORMAT

默认： '%Y-%m-%d %H:%M:%S'

用于格式化日期/时间的字符串，用于扩展%(asctime)s占位符LOG_FORMAT。有关可用指令的完整列表，请参阅Python datetime文档。

LOG_LEVEL

默认： 'DEBUG'

记录的最低级别。可用级别包括：CRITICAL，ERROR，WARNING，INFO，DEBUG。有关更多信息，请参阅记录。

LOG_STDOUT

默认： False

如果True，您的进程的所有标准输出（和错误）将重定向到日志。例如，如果print('hello')它将出现在Scrapy日志中。

LOG_SHORT_NAMES

默认： False

如果True，日志将只包含根路径。如果设置为False 则显示负责日志输出的组件

MEMDEBUG_ENABLED

默认： False

是否启用内存调试。

MEMDEBUG_NOTIFY

默认： []

启用内存调试时，如果此设置不为空，则会将内存报告发送到指定的地址，否则报告将写入日志。

例：

MEMDEBUG_NOTIFY = ['user@example.com']

MEMUSAGE_ENABLED

默认： True

范围： scrapy.extensions.memusage

是否启用内存使用扩展。此扩展程序跟踪进程使用的峰值内存（将其写入统计信息）。它还可以选择在超出内存限制时关闭Scrapy进程（请参阅参考资料MEMUSAGE_LIMIT_MB），并在发生时通过电子邮件通知（请参阅参考资料MEMUSAGE_NOTIFY_MAIL）。

请参阅内存使用扩展。

MEMUSAGE_LIMIT_MB

默认： 0

范围： scrapy.extensions.memusage

关闭Scrapy之前允许的最大内存量（以兆字节为单位）（如果MEMUSAGE_ENABLED为True）。如果为零，则不执行检查。

请参阅内存使用扩展。

MEMUSAGE_CHECK_INTERVAL_SECONDS

版本1.1中的新功能。

默认： 60.0

范围： scrapy.extensions.memusage

的内存使用扩展 会检查当前存储器使用，相对于限制由设置 MEMUSAGE_LIMIT_MB和MEMUSAGE_WARNING_MB，以固定时间间隔。

这将设置这些间隔的长度，以秒为单位。

请参阅内存使用扩展。

MEMUSAGE_NOTIFY_MAIL

默认： False

范围： scrapy.extensions.memusage

如果已达到内存限制，则通知的电子邮件列表。

例：

MEMUSAGE_NOTIFY_MAIL = ['user@example.com']

请参阅内存使用扩展。

MEMUSAGE_WARNING_MB

默认： 0

范围： scrapy.extensions.memusage

发送警告电子邮件通知之前允许的最大内存量（以兆字节为单位）。如果为零，则不会产生警告。

NEWSPIDER_MODULE

默认： ''

使用该genspider命令模块在哪里创建新的蜘蛛。

例：

NEWSPIDER_MODULE = 'mybot.spiders_dev'

RANDOMIZE_DOWNLOAD_DELAY

默认： True

如果启用，Scrapy将在从同一网站获取请求时等待一段随机时间（介于0.5 * DOWNLOAD_DELAY和1.5 *之间DOWNLOAD_DELAY）。

这种随机化降低了爬行程序被分析请求的站点检测（并随后被阻止）的机会，这些站点在其请求之间的时间内寻找统计上显着的相似性。

随机化策略与wget --random-wait选项使用的相同。

如果DOWNLOAD_DELAY为零（默认），则此选项无效。

REACTOR_THREADPOOL_MAXSIZE

默认： 10

Twisted Reactor线程池大小的最大限制。这是各种Scrapy组件使用的常见多用途线程池。螺纹DNS解析器，BlockingFeedStorage，S3FilesStore仅举几例。如果遇到阻塞IO不足的问题，请增加此值。

REDIRECT_MAX_TIMES

默认： 20

定义可以重定向请求的最大次数。在此最大值之后，请求的响应将按原样返回。我们使用Firefox默认值来执行相同的任务。

REDIRECT_PRIORITY_ADJUST

默认： +2

范围： scrapy.downloadermiddlewares.redirect.RedirectMiddleware

相对于原始请求调整重定向请求优先级：

  • 正优先级调整（默认）意味着更高的优先级。
  • 负优先级调整意味着较低的优先级。

RETRY_PRIORITY_ADJUST

默认： -1

范围： scrapy.downloadermiddlewares.retry.RetryMiddleware

相对于原始请求调整重试请求优先级：

  • 正优先级调整意味着更高的优先级。
  • 负优先级调整（默认）表示优先级较低。

ROBOTSTXT_OBEY

默认： False

范围： scrapy.downloadermiddlewares.robotstxt

如果启用，Scrapy将尊重robots.txt政策。有关更多信息，请参阅 RobotsTxtMiddleware。

注意

虽然默认值是False出于历史原因，但默认情况下会在命令生成的settings.py文件中启用此选项。scrapy startproject

调度器

默认： 'scrapy.core.scheduler.Scheduler'

用于爬网的调度程序。

SCHEDULER_DEBUG

默认： False

设置为True将记录有关请求调度程序的调试信息。如果请求无法序列化到磁盘，则此当前日志（仅一次）。Stats counter（scheduler/unserializable）跟踪发生这种情况的次数。

日志中的示例条目：

1956-01-31 00:00:00+0800 [scrapy.core.scheduler] ERROR: Unable to serialize request:
<GET http://example.com> - reason: cannot serialize <Request at 0x9a7c7ec>
(type Request)> - no more unserializable requests will be logged
(see 'scheduler/unserializable' stats counter)

SCHEDULER_DISK_QUEUE

默认： 'scrapy.squeues.PickleLifoDiskQueue'

调度程序将使用的磁盘队列类型。其他可用的类型有scrapy.squeues.PickleFifoDiskQueue，scrapy.squeues.MarshalFifoDiskQueue，scrapy.squeues.MarshalLifoDiskQueue。

SCHEDULER_MEMORY_QUEUE

默认： 'scrapy.squeues.LifoMemoryQueue'

调度程序使用的内存中队列的类型。其他可用的类型是： scrapy.squeues.FifoMemoryQueue。

SCHEDULER_PRIORITY_QUEUE

默认： 'queuelib.PriorityQueue'

调度程序使用的优先级队列的类型。

SPIDER_CONTRACTS

默认：： {}

包含项目中启用的蜘蛛合同的dict，用于测试蜘蛛。有关更多信息，请参阅蜘蛛合同。

SPIDER_CONTRACTS_BASE

默认：

{
    'scrapy.contracts.default.UrlContract' : 1,
    'scrapy.contracts.default.ReturnsContract': 2,
    'scrapy.contracts.default.ScrapesContract': 3,
}

包含scrapy默认情况下启用的scrapy合约的dict。您永远不应该在项目中修改此设置，SPIDER_CONTRACTS 而是修改。有关更多信息，请参阅蜘蛛合同。

您可以通过分配None其类路径来禁用任何这些合同SPIDER_CONTRACTS。例如，要禁用内置功能ScrapesContract，请将其放入settings.py：

SPIDER_CONTRACTS = {
    'scrapy.contracts.default.ScrapesContract': None,
}

SPIDER_LOADER_CLASS

默认： 'scrapy.spiderloader.SpiderLoader'

将用于加载蜘蛛的类，必须实现 SpiderLoader API。

SPIDER_LOADER_WARN_ONLY

版本1.3.3中的新功能。

默认： False

默认情况下，当scrapy尝试从中导入蜘蛛类时SPIDER_MODULES，如果有任何ImportError异常，它将大声失败。但您可以选择将此异常静音并通过设置将其转换为简单警告。SPIDER_LOADER_WARN_ONLY = True

注意

有些scrapy命令使用此设置运行True 已经（即他们只会发出警告并不会失败），因为他们实际上并不需要加载蜘蛛类的工作： ， ， ，。scrapy runspiderscrapy settingsscrapy``startprojectscrapy version

SPIDER_MIDDLEWARES

默认：： {}

包含项目中启用的蜘蛛中间件及其命令的dict。有关更多信息，请参阅激活蜘蛛中间件。

SPIDER_MIDDLEWARES_BASE

默认：

{
    '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,
}

包含Scrapy中默认启用的蜘蛛中间件及其命令的dict。低订单更接近引擎，高订单更接近蜘蛛。有关更多信息，请参阅激活蜘蛛中间件。

SPIDER_MODULES

默认： []

Scrapy将寻找蜘蛛的模块列表。

例：

SPIDER_MODULES = ['mybot.spiders_prod', 'mybot.spiders_dev']

STATS_CLASS

默认： 'scrapy.statscollectors.MemoryStatsCollector'

用于收集统计信息的类，必须实现 Stats Collector API。

STATS_DUMP

默认： True

蜘蛛完成后，将Scrapy统计数据（转到Scrapy日志）转储。

有关详细信息，请参阅：统计信息收集。

STATSMAILER_RCPTS

默认值:( []空列表）

在蜘蛛完成刮擦后发送Scrapy统计数据。有关详情StatsMailer，请参阅 。

TELNETCONSOLE_ENABLED

默认： True

一个布尔值，指定是否 启用telnet控制台（如果其扩展名也已启用）。

TELNETCONSOLE_PORT

默认： [6023, 6073]

用于telnet控制台的端口范围。如果设置为None或0，则使用动态分配的端口。有关详细信息，请参阅 Telnet控制台。

TEMPLATES_DIR

默认值：templatesdir在scrapy模块中

使用startproject命令创建新项目时使用命令查找模板的目录以及使用命令创建 新蜘蛛的目录genspider 。

项目名称不得与project子目录中的自定义文件或目录的名称冲突。

URLLENGTH_LIMIT

默认： 2083

范围： spidermiddlewares.urllength

允许抓取的网址的最大网址长度。有关此设置的默认值的详细信息，请参阅：https：//http://boutell.com/newfaq/misc/urllength.html

USER_AGENT

默认： "Scrapy/VERSION (+https://scrapy.org)"

爬网时使用的默认User-Agent，除非被覆盖。


文章标签：
日志服务
云解析DNS
Python
监控
存储
中间件
网络安全
相关实践学习
日志服务之使用Nginx模式采集日志
本文介绍如何通过日志服务控制台创建Nginx模式的Logtail配置快速采集Nginx日志并进行多维度分析。
python之战
目录
相关文章
东风微鸣技术博客
|
2月前
|
Android开发
我用过的笔记 Markdown Wiki 工具
我用过的笔记 Markdown Wiki 工具
东风微鸣技术博客
98 0
仲君Johnny
|
1月前
|
数据采集 存储 前端开发
【爬虫pyspider教程】1.pyspider入门与基本使用
爬虫框架pyspider入门和基本用法。
仲君Johnny
43 0
傻啦嘿哟
|
1月前
|
存储 开发者 Python
Python常用插件之emoji表情插件的用法
Python常用插件之emoji表情插件的用法
傻啦嘿哟
23 0
奔跑的数据
|
10月前
|
Web App开发 Python
Selenium Python 更改 chrome 默认下载目录
关于使用Selenium和Python无法更改Google Chrome默认下载目录的可能问题和解决方法，按照以上步骤，你应该能够成功使用Selenium和Python更改Google Chrome的默认下载目录。
奔跑的数据
217 0
ThundersArk
|
PHP Python
【PYTHON】——如何配置文本编辑器Geany
此文章帮助大家配置文本编辑器以更快更高效更直观地敲写代码，并以最原始的方式将效果显示出来
ThundersArk
771 0
【PYTHON】——如何配置文本编辑器Geany
码农技术君
|
数据采集 Python
Python爬虫：scrapy辅助功能实用函数
Python爬虫：scrapy辅助功能实用函数
码农技术君
131 0
码农技术君
|
数据采集 NoSQL Shell
Python编程：windows安装scrapy及报错
Python编程：windows安装scrapy及报错
码农技术君
207 0
Python编程：windows安装scrapy及报错
程序员大阳
|
Python
Python Flask 简明教程(6)--启用调试模式
本文目录 1. 背景 2. 启用调试模式 3. 测试 4. 小结
程序员大阳
181 0
一个处女座的程序猿
|
XML JavaScript 前端开发
Py之pyquery：pyquery的简介、安装、使用方法之详细攻略
Py之pyquery：pyquery的简介、安装、使用方法之详细攻略
一个处女座的程序猿
196 0
Py之pyquery：pyquery的简介、安装、使用方法之详细攻略
python之战
|
Web App开发 XML 中间件
scrapy官方文档提供的常见使用问题
Scrapy与BeautifulSoup或lxml相比如何？ BeautifulSoup和lxml是用于解析HTML和XML的库。Scrapy是一个用于编写Web爬虫的应用程序框架，可以抓取网站并从中提取数据。
python之战
1353 0