提高scrapy爬取效率的五个方法
提高scrapy爬取效率的五个方法
提升scrapy爬取数据的效率：只要对配置文件中的配置做出相应修改即可
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
浙公网安备 33010602011771号