缓存和离线运行_第1页
缓存和离线运行_第2页
缓存和离线运行_第3页
缓存和离线运行_第4页
缓存和离线运行_第5页
已阅读5页，还剩5页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

缓存和离线运行HTTP缓存和脱机工作缓存和离线运行案例HTTP缓存和脱机工作/01当Scrapy的HttpCacheMiddleware中间件（默认关闭）提供了一个低级的HTTP请求响应缓存。如果打开的话，缓存会存储每次请求和对应的响应。通过设定HTTPCACHE_POLICY为scrapy.contrib.httpcache.RFC2616Policy，我们可以使用一个更为复杂的、按照RFC2616遵循网站提示的缓存策略。打开这项功能，设定HTTPCACHE_ENABLED为True，HTTPCACHE_DIR指向一个磁盘路径。可以为缓存文件指定数据库后端，通过设定HTTPCACHE_STORAGE为scrapy.contrib.httpcache.DbmCacheStorage，还可以选择调整HTTPCACHE_DBM_MODULE。还有其它微调缓存的设置，但按照默认设置就可以了。HTTP缓存和脱机工作缓存和离线运行案例/02首先我们在程序中运行以下代码：$scrapycrawlfast-sLOG_LEVEL=INFO-sCLOSESPIDER_ITEMCOUNT=5000一分钟之后才结束。如果当时无法联网，就无法进行任何抓取。用下面的代码再次进行抓取：$scrapycrawlfast-sLOG_LEVEL=INFO-sCLOSESPIDER_ITEMCOUNT=5000-sHTTPCACHE_ENABLED=1INFO:Enableddownloadermiddlewares:...*HttpCacheMiddleware*缓存和离线运行案例 此时看到启用了HttpCacheMiddleware，如果查看当前目录，会发现一个隐藏文件夹，如下图所示：缓存和离线运行案例当再次运行不能联网的爬虫时，抓取稍少的文件，就会发现运行变快了：$scrapycrawlfast-sLOG_LEVEL=INFO-sCLOSESPIDER_ITEMCOUNT=4500-sHTTPCACHE_ENABLED=1抓取稍少的文件，是因为使用CLOSESPIDER_ITEMCOUNT结束爬虫时，爬虫实际上会多抓取几页，我们不想抓取不在缓存中的内容。清理缓存的话，只需删除缓存目录：$

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论