Scrapy設(shè)定(settings)提供了定制Scrapy組件的方法。你可以控制包括核心(core)，插件(extension)，pipeline及spider組件。設(shè)定為代碼提供了提取以key-value映射的配置值的的全局命名空間(namespace)。
Scrapy內(nèi)置設(shè)置
下面給出scrapy提供的常用內(nèi)置設(shè)置列表,你可以在settings.py文件里面修改這些設(shè)置，以應(yīng)用或者禁用這些設(shè)置項(xiàng)。
- BOT_NAME
默認(rèn): 'scrapybot'
Scrapy項(xiàng)目實(shí)現(xiàn)的bot的名字。用來構(gòu)造默認(rèn) User-Agent，同時(shí)也用來log。
當(dāng)你使用 startproject 命令創(chuàng)建項(xiàng)目時(shí)其也被自動(dòng)賦值。 - CONCURRENT_ITEMS
默認(rèn): 100
Item Processor(即 Item Pipeline) 同時(shí)處理(每個(gè)response的)item的最大值 - CONCURRENT_REQUESTS
默認(rèn): 16
Scrapy downloader 并發(fā)請(qǐng)求(concurrent requests)的最大值。 - CONCURRENT_REQUESTS_PER_DOMAIN
默認(rèn): 8
對(duì)單個(gè)網(wǎng)站進(jìn)行并發(fā)請(qǐng)求的最大值。 - CONCURRENT_REQUESTS_PER_IP
默認(rèn): 0
對(duì)單個(gè)IP進(jìn)行并發(fā)請(qǐng)求的最大值。如果非0，則忽略 CONCURRENT_REQUESTS_PER_DOMAIN 設(shè)定， 使用該設(shè)定。 也就是說，并發(fā)限制將針對(duì)IP，而不是網(wǎng)站。
該設(shè)定也影響 DOWNLOAD_DELAY: 如果 CONCURRENT_REQUESTS_PER_IP 非0，下載延遲應(yīng)用在IP而不是網(wǎng)站上。 - DEFAULT_ITEM_CLASS
默認(rèn): 'scrapy.item.Item'
the Scrapy shell 中實(shí)例化item使用的默認(rèn)類。 - DEFAULT_REQUEST_HEADERS
默認(rèn):
Scrapy HTTP Request使用的默認(rèn)header。由 DefaultHeadersMiddleware 產(chǎn)生。{ 'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8', 'Accept-Language': 'en', } - DOWNLOADER
默認(rèn): 'scrapy.core.downloader.Downloader'
用于crawl的downloader. - DOWNLOADER_MIDDLEWARES
默認(rèn):: {}
保存項(xiàng)目中啟用的下載中間件及其順序的字典。 - DOWNLOAD_DELAY
默認(rèn): 0
下載器在下載同一個(gè)網(wǎng)站下一個(gè)頁面前需要等待的時(shí)間。該選項(xiàng)可以用來限制爬取速度， 減輕服務(wù)器壓力。同時(shí)也支持小數(shù): - DOWNLOAD_HANDLERS
默認(rèn): {}
保存項(xiàng)目中啟用的下載處理器(request downloader handler)的字典。 - DOWNLOAD_TIMEOUT
默認(rèn): 180
下載器超時(shí)時(shí)間(單位: 秒)。 - EXTENSIONS
默認(rèn):{}
保存項(xiàng)目中啟用的插件及其順序的字典。 - ITEM_PIPELINES
默認(rèn): {}
保存項(xiàng)目中啟用的pipeline及其順序的字典。該字典默認(rèn)為空，值(value)任意。 不過值(value)習(xí)慣設(shè)定在0-1000范圍內(nèi)。 - ITEM_PIPELINES_BASE
默認(rèn): {}
保存項(xiàng)目中默認(rèn)啟用的pipeline的字典。 永遠(yuǎn)不要在項(xiàng)目中修改該設(shè)定，而是修改 ITEM_PIPELINES 。 - LOG_ENABLED
默認(rèn): True
是否啟用logging。 - LOG_ENCODING
默認(rèn): 'utf-8'
logging使用的編碼。 - LOG_FILE
默認(rèn): None
logging輸出的文件名。如果為None，則使用標(biāo)準(zhǔn)錯(cuò)誤輸出(standard error)。 - LOG_FORMAT
默認(rèn): '%(asctime)s [%(name)s] %(levelname)s: %(message)s'
日志的數(shù)據(jù)格式 - LOG_DATEFORMAT
默認(rèn): '%Y-%m-%d %H:%M:%S'
日志的日期格式 - LOG_LEVEL
默認(rèn): 'DEBUG'
log的最低級(jí)別。可選的級(jí)別有: CRITICAL、 ERROR、WARNING、INFO、DEBUG。 - LOG_STDOUT
默認(rèn): False
如果為 True ，進(jìn)程所有的標(biāo)準(zhǔn)輸出(及錯(cuò)誤)將會(huì)被重定向到log中。 - RANDOMIZE_DOWNLOAD_DELAY
默認(rèn): True
如果啟用，當(dāng)從相同的網(wǎng)站獲取數(shù)據(jù)時(shí)，Scrapy將會(huì)等待一個(gè)隨機(jī)的值 (0.5到1.5之間的一個(gè)隨機(jī)值 * DOWNLOAD_DELAY)。
該隨機(jī)值降低了crawler被檢測(cè)到(接著被block)的機(jī)會(huì)。某些網(wǎng)站會(huì)分析請(qǐng)求， 查找請(qǐng)求之間時(shí)間的相似性。 - REDIRECT_MAX_TIMES
默認(rèn): 20
定義request允許重定向的最大次數(shù)。超過該限制后該request直接返回獲取到的結(jié)果。 對(duì)某些任務(wù)我們使用Firefox默認(rèn)值。 - ROBOTSTXT_OBEY
默認(rèn): False
是否遵循robots協(xié)議 - SCHEDULER
默認(rèn): 'scrapy.core.scheduler.Scheduler'
用于爬取的調(diào)度器。 - SPIDER_MIDDLEWARES
默認(rèn): {}
保存項(xiàng)目中啟用的下載中間件及其順序的字典。 - USER_AGENT
默認(rèn): "Scrapy/VERSION (+http://scrapy.org)"
爬取的默認(rèn)User-Agent，除非被覆蓋。
Scrapy默認(rèn)BASE設(shè)置
scrapy對(duì)某些內(nèi)部組件進(jìn)行了默認(rèn)設(shè)置，這些組件通常情況下是不能被修改的，但是我們?cè)谧远x了某些組件以后，比如我們?cè)O(shè)置了自定義的middleware中間件，需要按照一定的順序把他添加到組件之中，這個(gè)時(shí)候需要參考scrapy的默認(rèn)設(shè)置，因?yàn)檫@個(gè)順序會(huì)影響scrapy的執(zhí)行，下面列出了scrapy的默認(rèn)基礎(chǔ)設(shè)置。
注意：如果你想要修改以下的某些設(shè)置，應(yīng)該避免直接修改下列內(nèi)容，而是修改其對(duì)應(yīng)的自定義內(nèi)容，例如，你想修改下面的DOWNLOADER_MIDDLEWARES_BASE的內(nèi)容，你應(yīng)該去修改DOWNLOADER_MIDDLEWARES這個(gè)內(nèi)容，只是去掉了_BASE而已，其他的也是類似這樣。
-
DOWNLOADER_MIDDLEWARES_BASE
默認(rèn):{ 'scrapy.downloadermiddlewares.robotstxt.RobotsTxtMiddleware': 100, 'scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware': 300, 'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware': 350, 'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware': 400, 'scrapy.downloadermiddlewares.retry.RetryMiddleware': 500, 'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware': 550, '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.chunked.ChunkedTransferMiddleware': 830, 'scrapy.downloadermiddlewares.stats.DownloaderStats': 850, 'scrapy.downloadermiddlewares.httpcache.HttpCacheMiddleware': 900, }包含Scrapy默認(rèn)啟用的下載中間件的字典。 永遠(yuǎn)不要在項(xiàng)目中修改該設(shè)定，而是修改 DOWNLOADER_MIDDLEWARES 。
-
SPIDER_MIDDLEWARES_BASE
默認(rèn):{ '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, }保存項(xiàng)目中默認(rèn)啟用的spider中間件的字典。 永遠(yuǎn)不要在項(xiàng)目中修改該設(shè)定，而是修改 SPIDER_MIDDLEWARES 。
-
EXTENSIONS_BASE
默認(rèn):{ 'scrapy.extensions.corestats.CoreStats': 0, 'scrapy.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, }可用的插件列表。需要注意，有些插件需要通過設(shè)定來啟用。默認(rèn)情況下， 該設(shè)定包含所有穩(wěn)定(stable)的內(nèi)置插件。
-
DOWNLOAD_HANDLERS_BASE
默認(rèn):{ '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', }保存項(xiàng)目中默認(rèn)啟用的下載處理器(request downloader handler)的字典。 永遠(yuǎn)不要在項(xiàng)目中修改該設(shè)定，而是修改 DOWNLOADER_HANDLERS 。
如果需要關(guān)閉上面的下載處理器，您必須在項(xiàng)目中的 DOWNLOAD_HANDLERS 設(shè)定中設(shè)置該處理器，并為其賦值為 None 。
說明
即使我們添加了一些我們自定義的組件，scrapy默認(rèn)的base設(shè)置依然會(huì)被應(yīng)用，這樣說可能會(huì)一頭霧水，簡(jiǎn)單地例子：
假如我們?cè)趍iddlewares.py文件中定義了一個(gè)中間件，名稱為MyMiddleware，我們把它添加到settings.py文件里面的DOWNLOADER_MIDDLEWARES，且他的執(zhí)行順序我們?cè)O(shè)置為450，最終的設(shè)置內(nèi)容就是：
DOWNLOADER_MIDDLEWARES = {
'cnblog.middlewares.MyMiddleware':450,
}
我們?cè)賮砜匆幌履J(rèn)的DOWNLOADER_MIDDLEWARES_BASE的內(nèi)容：
DOWNLOADER_MIDDLEWARES_BASE ={
'scrapy.downloadermiddlewares.robotstxt.RobotsTxtMiddleware': 100,
'scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware': 300,
'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware': 350,
'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware': 400,
'scrapy.downloadermiddlewares.retry.RetryMiddleware': 500,
'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware': 550,
'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.chunked.ChunkedTransferMiddleware': 830,
'scrapy.downloadermiddlewares.stats.DownloaderStats': 850,
'scrapy.downloadermiddlewares.httpcache.HttpCacheMiddleware': 900,
}
這個(gè)時(shí)候，scrapy下載中間件的最終的執(zhí)行順序就是，把DOWNLOADER_MIDDLEWARES和DOWNLOADER_MIDDLEWARES_BASE里面的中間件按照順序執(zhí)行，100>300>350>400>450>500>550>580>590>600>700>750>830>850>900且全部執(zhí)行，并不會(huì)因?yàn)槲覀兌x了一個(gè)中間件，而使默認(rèn)的中間件失效，也就是說，最終的結(jié)果其實(shí)是合并執(zhí)行。
如果我們不想應(yīng)用某一個(gè)默認(rèn)的中間件，假如'scrapy.downloadermiddlewares.retry.RetryMiddleware': 500,那么，就應(yīng)該在DOWNLOADER_MIDDLEWARES里面把它的值設(shè)置為None，像下面這樣：
DOWNLOADER_MIDDLEWARES = {
'cnblog.middlewares.MyMiddleware':450,
'scrapy.downloadermiddlewares.retry.RetryMiddleware':None，
}
