scrapy 4 学习 crawl spider

前情提要:

　　　　一：图片懒加载（面对图片懒加载怎么办）

　　　　　　

　　　　　　　　　　－－－用ｓｅｌｅｎｉｕｍ设置图片加载的位置

　　　　　　－－－　分析懒加载的属性，直接获取

　　　　二：

　　　　　　如何提高ｓｃｒａｐｙ的爬取效率

增加并发：
默认scrapy开启的并发线程为32个，可以适当进行增加。在settings配置文件中修改CONCURRENT_REQUESTS = 100值为100,并发设置成了为100。

降低日志级别：
    在运行scrapy时，会有大量日志信息的输出，为了减少CPU的使用率。可以设置log输出信息为INFO或者ERROR即可。在配置文件中编写：LOG_LEVEL = ‘INFO’

禁止cookie：
    如果不是真的需要cookie，则在scrapy爬取数据时可以禁止cookie从而减少CPU的使用率，提升爬取效率。在配置文件中编写：COOKIES_ENABLED = False

禁止重试：
    对失败的HTTP进行重新请求（重试）会减慢爬取速度，因此可以禁止重试。在配置文件中编写：RETRY_ENABLED = False

减少下载超时：
    如果对一个非常慢的链接进行爬取，减少下载超时可以能让卡住的链接快速被放弃，从而提升效率。在配置文件中进行编写：DOWNLOAD_TIMEOUT = 10 超时时间为10s

 

 

 

 

　　　　三: crawlSpider 全站爬取