scrapy提高爬取速度 | 您所在的位置:网站首页 › 爬虫速度慢 › scrapy提高爬取速度 |
scrapy在单机跑大量数据的时候,在对settings文件不进行设置的时候,scrapy的爬取速度很慢,再加上多个页面层级解析,往往导致上万的数据可能爬取要半个小时之久,这还不包括插入数据到数据库的操作。下面是我在实验中测试并且验证爬取速度大幅度提升,不过前提你要注意到你爬取的目标网站有没有反IP的可能。 settings文件设置以下参数: DOWNLOAD_DELAY = 0 CONCURRENT_REQUESTS = 100 CONCURRENT_REQUESTS_PER_DOMAIN = 100 CONCURRENT_REQUESTS_PER_IP = 100 COOKIES_ENABLED = False降低下载延迟 DOWNLOAD_DELAY = 0 将下载延迟设置为0,同时加入随机User-Agent是所必要的,这个是一开始就要进行设置的 多线程 CONCURRENT_REQUESTS = 100 CONCURRENT_REQUESTS_PER_DOMAIN = 100 CONCURRENT_REQUESTS_PER_IP = 100scrapy框架是基于多线程Twisted,当然scrapy也是通过多线程进行数据请求的,并且支持多核CPU的并发,我们就可以通过设置并发请求数来提高爬取速度。 禁止使用Cookies COOKIES_ENABLED = False 大部分情况下静止使用Cookies可以防止被ban。 --------------------------------------- 下面是个人信息 ------------------------------------------------ 个人微信:hll643435675(备注:博客) 更多资源请访问: https://blog.csdn.net/xudailong_blog/article/details/78762262 某课视频: https://xudailong.cc/2018/09/30/muke-courses/ 更多资源请关注公众号(蛇崽网盘教程资源 ): |
CopyRight 2018-2019 实验室设备网 版权所有 |