crawlo 1.4.7__py3-none-any.whl → 1.4.8__py3-none-any.whl

crawlo/templates/project/settings_gentle.py.tmpl

@@ -1,171 +1,175 @@
-# -*- coding: UTF-8 -*-
-"""
-{{project_name}} 项目配置文件（温和版）
-=============================
-基于 Crawlo 框架的温和爬虫项目配置。
-对目标网站友好，适合长期运行。
-"""
-
-# =================================== 基础配置 ===================================
-
-# 项目基本信息
-PROJECT_NAME = '{{project_name}}'
-
-# 运行模式：standalone/distributed/auto
-RUN_MODE = 'standalone'
-
-# 并发配置
-CONCURRENCY = 2
-MAX_RUNNING_SPIDERS = 1
-DOWNLOAD_DELAY = 3.0  # 增加延迟以降低目标网站压力
-RANDOMNESS = True  # 启用随机延迟
-RANDOM_RANGE = [0.5, 1.5]  # 随机延迟范围因子
-
-# =================================== 核心组件配置 ===================================
-
-# 下载器：AioHttpDownloader/HttpXDownloader/CurlCffiDownloader
-DOWNLOADER = 'crawlo.downloader.aiohttp_downloader.AioHttpDownloader'
-
-# 队列类型：memory/redis/auto
-QUEUE_TYPE = 'memory'
-
-# 去重过滤器：MemoryFilter/AioRedisFilter
-FILTER_CLASS = 'crawlo.filters.memory_filter.MemoryFilter'
-
-# 默认去重管道：MemoryDedupPipeline/RedisDedupPipeline
-DEFAULT_DEDUP_PIPELINE = 'crawlo.pipelines.memory_dedup_pipeline.MemoryDedupPipeline'
-
-# =================================== 爬虫配置 ===================================
-
-# 爬虫模块配置
-SPIDER_MODULES = ['{{project_name}}.spiders']
-
-# 默认请求头
-# DEFAULT_REQUEST_HEADERS = {}
-
-# 允许的域名
-# ALLOWED_DOMAINS = []
-
-# 数据管道
-# 如需添加自定义管道，请取消注释并添加
-# PIPELINES = [
-#     'crawlo.pipelines.mysql_pipeline.AsyncmyMySQLPipeline',  # MySQL 存储（使用asyncmy异步库）
-#     # '{{project_name}}.pipelines.CustomPipeline',  # 用户自定义管道示例
-# ]
-
-# =================================== 系统配置 ===================================
-
-# 扩展组件
-# 如需添加自定义扩展，请取消注释并添加
-# EXTENSIONS = [
-#     # '{{project_name}}.extensions.CustomExtension',  # 用户自定义扩展示例
-# ]
-
-# 中间件
-# 如需添加自定义中间件，请取消注释并添加
-# MIDDLEWARES = [
-#     # '{{project_name}}.middlewares.CustomMiddleware',  # 用户自定义中间件示例
-# ]
-
-# 日志配置
-LOG_LEVEL = 'INFO'
-LOG_FILE = 'logs/{{project_name}}.log'
-LOG_ENCODING = 'utf-8'  # 明确指定日志文件编码
-STATS_DUMP = True
-
-# 输出配置
-OUTPUT_DIR = 'output'
-
-# =================================== 数据库配置 ===================================
-
-# Redis配置
-REDIS_HOST = '127.0.0.1'
-REDIS_PORT = 6379
-REDIS_PASSWORD = ''
-REDIS_DB = 0
-
-# 根据是否有密码生成 URL
-if REDIS_PASSWORD:
-    REDIS_URL = f'redis://:{REDIS_PASSWORD}@{REDIS_HOST}:{REDIS_PORT}/{REDIS_DB}'
-else:
-    REDIS_URL = f'redis://{REDIS_HOST}:{REDIS_PORT}/{REDIS_DB}'
-
-# MySQL配置
-MYSQL_HOST = '127.0.0.1'
-MYSQL_PORT = 3306
-MYSQL_USER = 'root'
-MYSQL_PASSWORD = '123456'
-MYSQL_DB = '{{project_name}}'
-MYSQL_TABLE = '{{project_name}}_data'
-MYSQL_BATCH_SIZE = 100
-MYSQL_USE_BATCH = False  # 是否启用批量插入
-
-# MySQL SQL生成行为控制配置
-MYSQL_AUTO_UPDATE = False  # 是否使用 REPLACE INTO（完全覆盖已存在记录）
-MYSQL_INSERT_IGNORE = False  # 是否使用 INSERT IGNORE（忽略重复数据）
-MYSQL_UPDATE_COLUMNS = ()  # 冲突时需更新的列名；指定后 MYSQL_AUTO_UPDATE 失效
-
-# MongoDB配置
-MONGO_URI = 'mongodb://localhost:27017'
-MONGO_DATABASE = '{{project_name}}_db'
-MONGO_COLLECTION = '{{project_name}}_items'
-MONGO_MAX_POOL_SIZE = 200
-MONGO_MIN_POOL_SIZE = 20
-MONGO_BATCH_SIZE = 100  # 批量插入条数
-MONGO_USE_BATCH = False  # 是否启用批量插入
-
-# =================================== 网络配置 ===================================
-
-# 代理配置
-PROXY_ENABLED = False  # 是否启用代理
-
-# 简单代理（SimpleProxyMiddleware）
-PROXY_LIST = []  # 代理列表
-
-# 动态代理（ProxyMiddleware）
-PROXY_API_URL = ""  # 代理API地址
-
-# 代理提取方式："proxy" 或 "data.proxy"
-PROXY_EXTRACTOR = "proxy"
-
-# 代理刷新控制
-PROXY_REFRESH_INTERVAL = 60  # 代理刷新间隔（秒）
-PROXY_API_TIMEOUT = 10  # API超时时间
-
-# 浏览器指纹模拟（仅CurlCffiDownloader有效）
-CURL_BROWSER_TYPE = "chrome"  # 可选：chrome/edge/safari/firefox
-
-# 自定义浏览器版本映射
-CURL_BROWSER_VERSION_MAP = {
-    "chrome": "chrome136",
-    "edge": "edge101",
-    "safari": "safari184",
-    "firefox": "firefox135",
-}
-
-# 下载器优化配置
-# 下载器健康检查
-DOWNLOADER_HEALTH_CHECK = True  # 是否启用下载器健康检查
-HEALTH_CHECK_INTERVAL = 60  # 健康检查间隔（秒）
-
-# 请求统计配置
-REQUEST_STATS_ENABLED = True  # 是否启用请求统计
-STATS_RESET_ON_START = False  # 启动时是否重置统计
-
-# HttpX专用配置
-HTTPX_HTTP2 = True  # 是否启用HTTP/2支持
-HTTPX_FOLLOW_REDIRECTS = True  # 是否自动跟随重定向
-
-# AioHttp专用配置
-AIOHTTP_AUTO_DECOMPRESS = True  # 是否自动解压响应
-AIOHTTP_FORCE_CLOSE = False  # 是否强制关闭连接
-
-# 通用优化配置
-CONNECTION_TTL_DNS_CACHE = 300  # DNS缓存TTL（秒）
-CONNECTION_KEEPALIVE_TIMEOUT = 15  # Keep-Alive超时（秒）
-
-# 内存监控配置
-MEMORY_MONITOR_ENABLED = False  # 是否启用内存监控
-MEMORY_MONITOR_INTERVAL = 60  # 内存监控检查间隔（秒）
-MEMORY_WARNING_THRESHOLD = 80.0  # 内存使用率警告阈值（百分比）
+# -*- coding: UTF-8 -*-
+"""
+{{project_name}} 项目配置文件（温和版）
+=============================
+基于 Crawlo 框架的温和爬虫项目配置。
+对目标网站友好，适合长期运行。
+"""
+
+# =================================== 基础配置 ===================================
+
+# 项目基本信息
+PROJECT_NAME = '{{project_name}}'
+
+# 运行模式：standalone/distributed/auto
+RUN_MODE = 'standalone'
+
+# 并发配置
+CONCURRENCY = 2
+MAX_RUNNING_SPIDERS = 1
+DOWNLOAD_DELAY = 3.0  # 增加延迟以降低目标网站压力
+RANDOMNESS = True  # 启用随机延迟
+RANDOM_RANGE = [0.5, 1.5]  # 随机延迟范围因子
+
+# =================================== 核心组件配置 ===================================
+
+# 下载器：AioHttpDownloader/HttpXDownloader/CurlCffiDownloader
+DOWNLOADER = 'crawlo.downloader.aiohttp_downloader.AioHttpDownloader'
+
+# 队列类型：memory/redis/auto
+QUEUE_TYPE = 'memory'
+
+# 去重过滤器：MemoryFilter/AioRedisFilter
+FILTER_CLASS = 'crawlo.filters.memory_filter.MemoryFilter'
+
+# 默认去重管道：MemoryDedupPipeline/RedisDedupPipeline
+DEFAULT_DEDUP_PIPELINE = 'crawlo.pipelines.memory_dedup_pipeline.MemoryDedupPipeline'
+
+# =================================== 爬虫配置 ===================================
+
+# 爬虫模块配置
+SPIDER_MODULES = ['{{project_name}}.spiders']
+
+# 默认请求头
+# DEFAULT_REQUEST_HEADERS = {}
+
+# 允许的域名
+# ALLOWED_DOMAINS = []
+
+# 数据管道
+# 如需添加自定义管道，请取消注释并添加
+# PIPELINES = [
+#     'crawlo.pipelines.mysql_pipeline.AsyncmyMySQLPipeline',  # MySQL 存储（使用asyncmy异步库）
+#     # '{{project_name}}.pipelines.CustomPipeline',  # 用户自定义管道示例
+# ]
+
+# =================================== 系统配置 ===================================
+
+# 扩展组件
+# 如需添加自定义扩展，请取消注释并添加
+# EXTENSIONS = [
+#     # '{{project_name}}.extensions.CustomExtension',  # 用户自定义扩展示例
+# ]
+
+# 中间件
+# 如需添加自定义中间件，请取消注释并添加
+# MIDDLEWARES = [
+#     # '{{project_name}}.middlewares.CustomMiddleware',  # 用户自定义中间件示例
+# ]
+
+# 日志配置
+LOG_LEVEL = 'INFO'
+LOG_FILE = 'logs/{{project_name}}.log'
+LOG_ENCODING = 'utf-8'  # 明确指定日志文件编码
+LOG_MAX_BYTES = 20 * 1024 * 1024  # 20MB，推荐值
+LOG_BACKUP_COUNT = 10  # 10个备份文件，推荐值
+# 如果不想要日志轮转，可以设置 LOG_MAX_BYTES = 0
+# 当LOG_MAX_BYTES或LOG_BACKUP_COUNT为0时，日志轮转将被禁用，文件会持续增长
+STATS_DUMP = True
+
+# 输出配置
+OUTPUT_DIR = 'output'
+
+# =================================== 数据库配置 ===================================
+
+# Redis配置
+REDIS_HOST = '127.0.0.1'
+REDIS_PORT = 6379
+REDIS_PASSWORD = ''
+REDIS_DB = 0
+
+# 根据是否有密码生成 URL
+if REDIS_PASSWORD:
+    REDIS_URL = f'redis://:{REDIS_PASSWORD}@{REDIS_HOST}:{REDIS_PORT}/{REDIS_DB}'
+else:
+    REDIS_URL = f'redis://{REDIS_HOST}:{REDIS_PORT}/{REDIS_DB}'
+
+# MySQL配置
+MYSQL_HOST = '127.0.0.1'
+MYSQL_PORT = 3306
+MYSQL_USER = 'root'
+MYSQL_PASSWORD = '123456'
+MYSQL_DB = '{{project_name}}'
+MYSQL_TABLE = '{{project_name}}_data'
+MYSQL_BATCH_SIZE = 100
+MYSQL_USE_BATCH = False  # 是否启用批量插入
+
+# MySQL SQL生成行为控制配置
+MYSQL_AUTO_UPDATE = False  # 是否使用 REPLACE INTO（完全覆盖已存在记录）
+MYSQL_INSERT_IGNORE = False  # 是否使用 INSERT IGNORE（忽略重复数据）
+MYSQL_UPDATE_COLUMNS = ()  # 冲突时需更新的列名；指定后 MYSQL_AUTO_UPDATE 失效
+
+# MongoDB配置
+MONGO_URI = 'mongodb://localhost:27017'
+MONGO_DATABASE = '{{project_name}}_db'
+MONGO_COLLECTION = '{{project_name}}_items'
+MONGO_MAX_POOL_SIZE = 200
+MONGO_MIN_POOL_SIZE = 20
+MONGO_BATCH_SIZE = 100  # 批量插入条数
+MONGO_USE_BATCH = False  # 是否启用批量插入
+
+# =================================== 网络配置 ===================================
+
+# 代理配置
+PROXY_ENABLED = False  # 是否启用代理
+
+# 简单代理（SimpleProxyMiddleware）
+PROXY_LIST = []  # 代理列表
+
+# 动态代理（ProxyMiddleware）
+PROXY_API_URL = ""  # 代理API地址
+
+# 代理提取方式："proxy" 或 "data.proxy"
+PROXY_EXTRACTOR = "proxy"
+
+# 代理刷新控制
+PROXY_REFRESH_INTERVAL = 60  # 代理刷新间隔（秒）
+PROXY_API_TIMEOUT = 10  # API超时时间
+
+# 浏览器指纹模拟（仅CurlCffiDownloader有效）
+CURL_BROWSER_TYPE = "chrome"  # 可选：chrome/edge/safari/firefox
+
+# 自定义浏览器版本映射
+CURL_BROWSER_VERSION_MAP = {
+    "chrome": "chrome136",
+    "edge": "edge101",
+    "safari": "safari184",
+    "firefox": "firefox135",
+}
+
+# 下载器优化配置
+# 下载器健康检查
+DOWNLOADER_HEALTH_CHECK = True  # 是否启用下载器健康检查
+HEALTH_CHECK_INTERVAL = 60  # 健康检查间隔（秒）
+
+# 请求统计配置
+REQUEST_STATS_ENABLED = True  # 是否启用请求统计
+STATS_RESET_ON_START = False  # 启动时是否重置统计
+
+# HttpX专用配置
+HTTPX_HTTP2 = True  # 是否启用HTTP/2支持
+HTTPX_FOLLOW_REDIRECTS = True  # 是否自动跟随重定向
+
+# AioHttp专用配置
+AIOHTTP_AUTO_DECOMPRESS = True  # 是否自动解压响应
+AIOHTTP_FORCE_CLOSE = False  # 是否强制关闭连接
+
+# 通用优化配置
+CONNECTION_TTL_DNS_CACHE = 300  # DNS缓存TTL（秒）
+CONNECTION_KEEPALIVE_TIMEOUT = 15  # Keep-Alive超时（秒）
+
+# 内存监控配置
+MEMORY_MONITOR_ENABLED = False  # 是否启用内存监控
+MEMORY_MONITOR_INTERVAL = 60  # 内存监控检查间隔（秒）
+MEMORY_WARNING_THRESHOLD = 80.0  # 内存使用率警告阈值（百分比）
 MEMORY_CRITICAL_THRESHOLD = 90.0  # 内存使用率严重阈值（百分比）