Scrapy中setting添加数据库mongode redis相关配置及参数详解

---

在练习scrapy爬虫的时候必不可少的会用到setting的相关配置，这里将setting中的各项配置信息做了注释。

---

# -*- coding: utf-8 -*-
# 系统自动生成的配置
BOT_NAME = 'Spider'
SPIDER_MODULES = ['Spider.spiders']
NEWSPIDER_MODULE = 'Spider.spiders'


# redis数据库的一些基本配置(这里的redis没有配置任何密码，在本地使用)
# 这些内容为自己添加的内容 不用redis数据库时不需要配置
DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter"
SCHEDULER = "scrapy_redis.scheduler.Scheduler"
SCHEDULER_PERSIST = True
SCHEDULER_QUEUE_CLASS = 'scrapy_redis.queue.SpiderPriorityQueue'
REDIS_URL = None
REDIS_HOST = '127.0.0.1'
REDIS_POST = 6379

# scrapy爬虫中使用的请求头
USER_AGENT = 'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50'

# 是否遵守robots协议
ROBOTSTXT_OBEY = False

# 连接Mongode数据库的配置
# 以下的内容为自己添加的内容，不需要使用Mongode数据库的时候，不需要写
MONGODE_HOST = '127.0.0.1'
MONGODE_PORT = 27017
MONGODE_DBNAME = 'Test'
MONGODE_DOCNAME = 'Book3'

# 配置最大并发请求的数目
#CONCURRENT_REQUESTS = 32

# See https://doc.scrapy.org/en/latest/topics/settings.html#download-delay
# 下载器在下载同一网站下一个页面需要等待的时间，该选项可用来限制爬虫的爬取速度
#DOWNLOAD_DELAY = 3


# 对单个网站并发请求的最大值
#CONCURRENT_REQUESTS_PER_DOMAIN = 16


# 对单个IP进行并发请求的最大值。
#CONCURRENT_REQUESTS_PER_IP = 16

# 需要使用Cookies的时候开启   不适用的时候，禁用可以提高爬取速度
COOKIES_ENABLED = False

# 内建的telnet控制台
#TELNETCONSOLE_ENABLED = False

# Scrapy HTTP Request使用的默认header。由 DefaultHeadersMiddleware 产生。
#DEFAULT_REQUEST_HEADERS = {
#   'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
#   'Accept-Language': 'en',
#}

# 是否启用scrapy的中间件
#SPIDER_MIDDLEWARES = {
#    'Spider.middlewares.SpiderSpiderMiddleware': 543,
#}

# Enable or disable downloader middlewares
# 保存项目中启用的下载中间件及其顺序的字典
#DOWNLOADER_MIDDLEWARES = {
#    'Spider.middlewares.SpiderDownloaderMiddleware': 543,
#}

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

# Configure item pipelines
# 保存项目，启用pipelines及其顺序的地点
ITEM_PIPELINES = {
   'Spider.pipelines.SpiderPipeline': 300,
}

#启用和配置AutoThrottle扩展（默认情况下禁用）
# See https://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


# 请求的平均数量并行发送到每个远程服务器上
# each remote server
#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

# 是否启用和配置HTTP缓存 (默认不启用)
# See https://doc.scrapy.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'

参考: https://blog.csdn.net/u011781521/article/details/70188171