Scrapy settings.py配置文件详解

# -*- coding: utf-8 -*-  
  
# Scrapy settings for demo1 project  
#  
# For simplicity, this file contains only settings considered important or  
# commonly used. You can find more settings consulting the documentation:  
#  
#     http://doc.scrapy.org/en/latest/topics/settings.html  
#     http://scrapy.readthedocs.org/en/latest/topics/downloader-middleware.html  
#     http://scrapy.readthedocs.org/en/latest/topics/spider-middleware.html  
  
BOT_NAME = 'demo1'   #Scrapy项目的名字,这将用来构造默认 User-Agent,同时也用来log,当您使用 startproject 命令创建项目时其也被自动赋值。  
  
SPIDER_MODULES = ['demo1.spiders']   #Scrapy搜索spider的模块列表 默认: [xxx.spiders]  
NEWSPIDER_MODULE = 'demo1.spiders'   #使用 genspider 命令创建新spider的模块。默认: 'xxx.spiders'  
  
  
#爬取的默认User-Agent，除非被覆盖  
#USER_AGENT = 'demo1 (+http://www.yourdomain.com)'  
  
#如果启用,Scrapy将会采用 robots.txt策略  
ROBOTSTXT_OBEY = True  
  
#Scrapy downloader 并发请求(concurrent requests)的最大值,默认: 16  
#CONCURRENT_REQUESTS = 32  
  
#为同一网站的请求配置延迟（默认值：0）  
# See http://scrapy.readthedocs.org/en/latest/topics/settings.html#download-delay  
# See also autothrottle settings and docs    
#DOWNLOAD_DELAY = 3   下载器在下载同一个网站下一个页面前需要等待的时间,该选项可以用来限制爬取速度,减轻服务器压力。同时也支持小数:0.25 以秒为单位  
  
      
#下载延迟设置只有一个有效  
#CONCURRENT_REQUESTS_PER_DOMAIN = 16   对单个网站进行并发请求的最大值。  
#CONCURRENT_REQUESTS_PER_IP = 16       对单个IP进行并发请求的最大值。如果非0,则忽略 CONCURRENT_REQUESTS_PER_DOMAIN 设定,使用该设定。 也就是说,并发限制将针对IP,而不是网站。该设定也影响 DOWNLOAD_DELAY: 如果 CONCURRENT_REQUESTS_PER_IP 非0,下载延迟应用在IP而不是网站上。  
  
#禁用Cookie（默认情况下启用）  
#COOKIES_ENABLED = False  
  
#禁用Telnet控制台（默认启用）  
#TELNETCONSOLE_ENABLED = False   
  
#覆盖默认请求标头：  
#DEFAULT_REQUEST_HEADERS = {  
#   'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',  
#   'Accept-Language': 'en',  
#}  
  
#启用或禁用蜘蛛中间件  
# See http://scrapy.readthedocs.org/en/latest/topics/spider-middleware.html  
#SPIDER_MIDDLEWARES = {  
#    'demo1.middlewares.Demo1SpiderMiddleware': 543,  
#}  

'''要启用spider中间件，您可以将其加入到 SPIDER_MIDDLEWARES 设置中。

该设置是一个字典，键位中间件的路径，值为中间件的顺序(order)。如上是禁用'''

#启用或禁用下载器中间件  
# See http://scrapy.readthedocs.org/en/latest/topics/downloader-middleware.html  
#DOWNLOADER_MIDDLEWARES = {  
#    'demo1.middlewares.MyCustomDownloaderMiddleware': 543,  
#}  
  '''保存项目中启用的下载中间件及其顺序的字典。 更多内容请查看 激活下载器中间件

DOWNLOADER_MIDDLEWARES 设置会与Scrapy定义的 DOWNLOADER_MIDDLEWARES_BASE 设置合并(但不是覆盖)， 而后根据顺序(order)进行排序，

最后得到启用中间件的有序列表: 第一个中间件是最靠近引擎的，最后一个中间件是最靠近下载器的。

关于如何分配中间件的顺序请查看 DOWNLOADER_MIDDLEWARES_BASE 设置，

而后根据您想要放置中间件的位置选择一个值。

由于每个中间件执行不同的动作，您的中间件可能会依赖于之前(或者之后)执行的中间件，

因此顺序是很重要的'''

# Enable or disable extensions

# See http://scrapy.readthedocs.org/en/latest/topics/extensions.html

#启用或禁用扩展程序  
# See http://scrapy.readthedocs.org/en/latest/topics/extensions.html  
#EXTENSIONS = {  
#    'scrapy.extensions.telnet.TelnetConsole': None,  
#}  
  
#配置项目管道  
# See http://scrapy.readthedocs.org/en/latest/topics/item-pipeline.html  
#ITEM_PIPELINES = {  
#    'demo1.pipelines.Demo1Pipeline': 300,  
#}  

#这里如果一个项目多个spiders的时候，每次运行的时候每次要在这里制定一个对应的pipeline

'''

保存项目中启用的pipeline及其顺序的字典。该字典默认为空，值(value)任意。 不过值(value)习惯设定在0-1000范围内。

为了兼容性，ITEM_PIPELINES 支持列表，不过已经被废弃了。

样例:

ITEM_PIPELINES = {

    'mybot.pipelines.validate.ValidateMyItem': 300,

    'mybot.pipelines.validate.StoreMyItem': 800,

}'''

 

# Enable and configure the AutoThrottle extension (disabled by default)

# See http://doc.scrapy.org/en/latest/topics/autothrottle.html

  
#启用和配置AutoThrottle扩展（默认情况下禁用）  
# See http://doc.scrapy.org/en/latest/topics/autothrottle.html  
#AUTOTHROTTLE_ENABLED = True  
  
#初始下载延迟  
#AUTOTHROTTLE_START_DELAY = 5  
  
#在高延迟的情况下设置的最大下载延迟  
#AUTOTHROTTLE_MAX_DELAY = 60  
  
  
#Scrapy请求的平均数量应该并行发送每个远程服务器  
#AUTOTHROTTLE_TARGET_CONCURRENCY = 1.0  
  
#启用显示所收到的每个响应的调节统计信息：  
#AUTOTHROTTLE_DEBUG = False  
  
#启用和配置HTTP缓存（默认情况下禁用）  
# See http://scrapy.readthedocs.org/en/latest/topics/downloader-middleware.html#httpcache-middleware-settings  
#HTTPCACHE_ENABLED = True  
#HTTPCACHE_EXPIRATION_SECS = 0  
#HTTPCACHE_DIR = 'httpcache'  
#HTTPCACHE_IGNORE_HTTP_CODES = []  
#HTTPCACHE_STORAGE = 'scrapy.extensions.httpcache.FilesystemCacheStorage'