zoukankan      html  css  js  c++  java
  • scrapy增加爬取效率

    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爬取数据时可以进制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
  • 相关阅读:
    变量的分类
    诫子书
    变量variable
    标识符Identifier
    保留字reserved word
    关键字keyword
    编译运行代码的指令
    创建如下的类,使得运行的话可以输出
    常用的几个命令行操作都有哪些?
    idea快捷键整合-无鼠标操作idea
  • 原文地址:https://www.cnblogs.com/ls1997/p/10874494.html
Copyright © 2011-2022 走看看