设置delay有起码两个好处， 一个是对被爬对象表示礼貌， 另一个是爬的太快，很多服务器会封ip，或限制访问。
效果：每x秒左右来一个request
先建立一个项目来找CONCURRENT_REQUESTS与DOWNLOAD_DELAY的联系
大致给出粗略代码：
jianshuspider.py：
import scrapy
from JianshuSpider_author_1.items
import JianshuspiderAuthor1Item
from scrapy.selector
import Selector
class JianshuSpider(scrapy.Spider):
name ="jianshu"
def start_requests(self):
urls = ['http://www.jianshu.com/users/958f740aed52/followers']
for url
in urls:
yield scrapy.Request(
url = url,
callback=
self.parse_author)
def parse_author(
self,
response):
item = JianshuspiderAuthor1Item()
selector = Selector(response)
fans_href = selector.xpath("//div[@class='info']/a/@href").extract()
for fan_href
in fans_href:
fan_href ='http://www.jianshu.com/users/'+ fan_href.split('/')[-1] +'/followers'
# fan_href = 'http://www.google.com.hk/'+ fan_href.split('/')[-1] + '/followers'#需要timeout时调用
yield scrapy.Request(fan_href,
callback=self.parse_author)
item['author'] = selector.xpath("//div[@class='title']/a/text()").extract_first()
yield item
requestlimit.py(downlomiddleware):
class RequestLimitMiddleware(object):
count =0
def process_request(self,request,spider):
self.count +=1
print(self.count)
以上两个文件的代码为核心代码。
测试结果：
一：
settings.py
CONCURRENT_REQUESTS =8
DOWNLOAD_DELAY =0
并且jianshuspider.py中关闭递归简书链接，打开Google链接语句
效果：8个request同时来，同时timeout。8个request又来，又timeout。如此循环。
二：
settings.py
CONCURRENT_REQUESTS =1
DOWNLOAD_DELAY =5
并且jianshuspider.py中打开递归简书链接，关闭Google链接语句
效果：每5秒左右来一个request
三：
settings.py
CONCURRENT_REQUESTS =2
DOWNLOAD_DELAY =5
并且jianshuspider.py中打开递归简书链接，关闭Google链接语句
效果：一开始来2个request（A，B），但5秒后只处理了一个request(A)，新来一个request(C),5秒后又处理一个request（B）,排队一个request（D）。如此循环。
总结：
DOWNLOAD_DELAY 会影响 CONCURRENT_REQUESTS，不能使并发显现出来。
思考：
当有CONCURRENT_REQUESTS，没有DOWNLOAD_DELAY 时，服务器会在同一时间收到大量的请求。
当有CONCURRENT_REQUESTS，有DOWNLOAD_DELAY 时，服务器不会在同一时间收到大量的请求。