# -*- coding: utf-8 -*-

"""爬虫配置文件"""

import os

# redis 表名

# 任务表模版

TAB_REQUSETS = "{redis_key}:z_requsets"

# 任务失败模板

TAB_FAILED_REQUSETS = "{redis_key}:z_failed_requsets"

# 爬虫状态表模版

TAB_SPIDER_STATUS = "{redis_key}:z_spider_status"

# item 表模版

TAB_ITEM = "{redis_key}:s_{item_name}"

# 爬虫时间记录表

TAB_SPIDER_TIME = "{redis_key}:h_spider_time"

# MYSQL

MYSQL_IP = os.getenv("MYSQL_IP")

MYSQL_PORT = int(os.getenv("MYSQL_PORT", 3306))

MYSQL_DB = os.getenv("MYSQL_DB")

MYSQL_USER_NAME = os.getenv("MYSQL_USER_NAME")

MYSQL_USER_PASS = os.getenv("MYSQL_USER_PASS")

# MONGODB

MONGO_IP = os.getenv("MONGO_IP", "localhost")

MONGO_PORT = int(os.getenv("MONGO_PORT", 27017))

MONGO_DB = os.getenv("MONGO_DB")

MONGO_USER_NAME = os.getenv("MONGO_USER_NAME")

MONGO_USER_PASS = os.getenv("MONGO_USER_PASS")

# REDIS

# ip:port 多个可写为列表或者逗号隔开 如 ip1:port1,ip2:port2 或 ["ip1:port1", "ip2:port2"]

REDISDB_IP_PORTS = os.getenv("REDISDB_IP_PORTS")

REDISDB_USER_PASS = os.getenv("REDISDB_USER_PASS")

# 默认 0 到 15 共16个数据库

REDISDB_DB = int(os.getenv("REDISDB_DB", 0))

# 适用于redis哨兵模式

REDISDB_SERVICE_NAME = os.getenv("REDISDB_SERVICE_NAME")

# 数据入库的pipeline，可自定义，默认MysqlPipeline

ITEM_PIPELINES = [

"feapder.pipelines.mysql_pipeline.MysqlPipeline",

# "feapder.pipelines.mongo_pipeline.MongoPipeline",

]

# 爬虫相关

# COLLECTOR

COLLECTOR_SLEEP_TIME = 1 # 从任务队列中获取任务到内存队列的间隔

COLLECTOR_TASK_COUNT = 10 # 每次获取任务数量

# SPIDER

SPIDER_THREAD_COUNT = 1 # 爬虫并发数

SPIDER_SLEEP_TIME = (

0

) # 下载时间间隔 单位秒。 支持随机 如 SPIDER_SLEEP_TIME = [2, 5] 则间隔为 2~5秒之间的随机数，包含2和5

SPIDER_TASK_COUNT = 1 # 每个parser从内存队列中获取任务的数量

SPIDER_MAX_RETRY_TIMES = 100 # 每个请求最大重试次数

SPIDER_AUTO_START_REQUESTS = (

True

) # 是否主动执行添加 设置为False 需要手动调用start_monitor_task，适用于多进程情况下

AUTO_STOP_WHEN_SPIDER_DONE = True # 爬虫是否自动结束

# 浏览器渲染

WEBDRIVER = dict(

pool_size=1, # 浏览器的数量

load_images=True, # 是否加载图片

user_agent=None, # 字符串 或 无参函数，返回值为user_agent

proxy=None, # xxx.xxx.xxx.xxx:xxxx 或 无参函数，返回值为代理地址

headless=False, # 是否为无头浏览器

driver_type="CHROME", # CHROME、PHANTOMJS、FIREFOX

timeout=30, # 请求超时时间

window_size=(1024, 800), # 窗口大小

executable_path=None, # 浏览器路径，默认为默认路径

render_time=0, # 渲染时长，即打开网页等待指定时间后再获取源码

custom_argument=["--ignore-certificate-errors"], # 自定义浏览器渲染参数

)

# 爬虫启动时，重新抓取失败的requests

RETRY_FAILED_REQUESTS = False

# 保存失败的request

SAVE_FAILED_REQUEST = True

# request防丢机制。（指定的REQUEST_LOST_TIMEOUT时间内request还没做完，会重新下发 重做）

REQUEST_LOST_TIMEOUT = 600 # 10分钟

# request网络请求超时时间

REQUEST_TIMEOUT = 22 # 等待服务器响应的超时时间，浮点数，或(connect timeout, read timeout)元组

# 下载缓存 利用redis缓存，但由于内存大小限制，所以建议仅供开发调试代码时使用，防止每次debug都需要网络请求

RESPONSE_CACHED_ENABLE = False # 是否启用下载缓存 成本高的数据或容易变需求的数据，建议设置为True

RESPONSE_CACHED_EXPIRE_TIME = 3600 # 缓存时间 秒

RESPONSE_CACHED_USED = False # 是否使用缓存 补采数据时可设置为True

# redis 存放item与request的根目录

REDIS_KEY = ""

# 爬虫启动时删除的key，类型: 元组/bool/string。 支持正则; 常用于清空任务队列，否则重启时会断点续爬

DELETE_KEYS = []

# 设置代理

PROXY_EXTRACT_API = None # 代理提取API ，返回的代理分割符为\r\n

PROXY_ENABLE = True

# 随机headers

RANDOM_HEADERS = True

# 默认使用的浏览器头 RANDOM_HEADERS=True时不生效

DEFAULT_USERAGENT = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"

# requests 使用session

USE_SESSION = False

# 去重

ITEM_FILTER_ENABLE = False # item 去重

REQUEST_FILTER_ENABLE = False # request 去重

# 报警 支持钉钉、企业微信、邮件

# 钉钉报警

DINGDING_WARNING_URL = "" # 钉钉机器人api

DINGDING_WARNING_PHONE = "" # 报警人 支持列表，可指定多个

# 邮件报警

EAMIL_SENDER = "" # 发件人

EAMIL_PASSWORD = "" # 授权码

EMAIL_RECEIVER = "" # 收件人 支持列表，可指定多个

EMAIL_SMTPSERVER = "smtp.163.com" # 邮件服务器 默认为163邮箱

# 企业微信报警

WECHAT_WARNING_URL = "" # 企业微信机器人api

WECHAT_WARNING_PHONE = "" # 报警人 将会在群内@此人, 支持列表，可指定多人

WECHAT_WARNING_ALL = False # 是否提示所有人， 默认为False

# 时间间隔

WARNING_INTERVAL = 3600 # 相同报警的报警时间间隔，防止刷屏; 0表示不去重

WARNING_LEVEL = "DEBUG" # 报警级别， DEBUG / ERROR

WARNING_FAILED_COUNT = 1000 # 任务失败数 超过WARNING_FAILED_COUNT则报警

LOG_NAME = os.path.basename(os.getcwd())

LOG_PATH = "log/%s.log" % LOG_NAME # log存储路径

LOG_LEVEL = "DEBUG"

LOG_COLOR = True # 是否带有颜色

LOG_IS_WRITE_TO_CONSOLE = True # 是否打印到控制台

LOG_IS_WRITE_TO_FILE = False # 是否写文件

LOG_MODE = "w" # 写文件的模式

LOG_MAX_BYTES = 10 * 1024 * 1024 # 每个日志文件的最大字节数

LOG_BACKUP_COUNT = 20 # 日志文件保留数量

LOG_ENCODING = "utf8" # 日志文件编码

OTHERS_LOG_LEVAL = "ERROR" # 第三方库的log等级

############# 导入用户自定义的setting #############

try:

from setting import *

except:

pass