如何提升scrapy框架的爬取效率？

可以采取以下措施：

• 增大并发请求数

  • 默认scrapy开启的并发线程为16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。

• 提升日志等级

  • 在运行scrapy时，默认日志等级为DEBUG，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、WARNING或者ERROR即可。在配置文件中编写：LOG_LEVEL = 'INFO'

• 禁用Cookies

  • 除非必须携带cookie，否则在scrapy爬取数据时可以禁止cookie，从而减少CPU的使用率。在配置文件中编写：COOKIES_ENABLED = False

• 禁用重试

  • 对失败的HTTP进行重新请求会降低爬取速度，因此可以禁止重试。在配置文件中编写：RETRY_ENABLED = False

• 减少下载超时时间

  • 减少下载超时可以让卡住（下载速度很慢）的链接快速被丢弃，从而提升效率。在配置文件中编写：DOWNLOAD_TIMEOUT = 10 超时时间为10s