今天寫的這篇文章是關(guān)于python爬蟲簡(jiǎn)單的一個(gè)使用，選取的爬取對(duì)象是著名的招聘網(wǎng)站——拉鉤網(wǎng)，由于和大家的職業(yè)息息相關(guān)，所以爬取拉鉤的數(shù)據(jù)進(jìn)行分析，對(duì)于職業(yè)規(guī)劃和求職時(shí)的信息提供有很大的幫助。

完成的效果

  爬取數(shù)據(jù)只是第一步，怎樣使用和分析數(shù)據(jù)也是一大重點(diǎn)，當(dāng)然這不是本次博客的目的，由于本次只是一個(gè)上手的爬蟲程序，所以我們的最終目的只是爬取到拉鉤網(wǎng)的職位信息，然后保存到Mysql數(shù)據(jù)庫(kù)中。最后中的效果示意圖如下：

控制臺(tái)輸入

數(shù)據(jù)庫(kù)顯示

準(zhǔn)備工作

  首先需要安裝python，這個(gè)網(wǎng)上已經(jīng)有很多的教程了，這里就默認(rèn)已經(jīng)安裝python，博主使用的是python3.6,然后安裝了requests、pymysql（連接數(shù)據(jù)庫(kù)使用）和Mysql數(shù)據(jù)庫(kù)。

分析拉勾網(wǎng)

  首先我們打開拉勾網(wǎng)，打開控制臺(tái)，搜索java關(guān)鍵詞搜索職位，選取北京地區(qū)，然后查看network一欄中的數(shù)據(jù)分析，查看第一個(gè)，是不是感覺它很像我們要拿到的請(qǐng)求地址，事實(shí)上不是的，這個(gè)打開之后是一個(gè)html，如果我們?cè)L問這個(gè)接口，拉鉤會(huì)返回給我們一個(gè)結(jié)果，提示我們操作太頻繁，也就是被攔截了。不過從這個(gè)頁(yè)面可以看到，拉鉤的網(wǎng)頁(yè)用到了模板，這種加載數(shù)據(jù)的方式更加快速（大幅度提升），建議大家可以嘗試使用一下（個(gè)人拙見）

不要?dú)怵H，我們接著往下找，可以看到一個(gè)“positionAjax”開頭的請(qǐng)求，沒錯(cuò)就它“ https://www.lagou.com/jobs/positionAjax.jsonpx=default&city=%E5%8C%97%E4%BA%AC&needAddtionalResult=false&isSchoolJob=0 ”，還是看圖說(shuō)話吧

找到請(qǐng)求地址之后，我們就開始寫代碼了。

先是導(dǎo)入requests和pymysql，然后requests的post方法訪問上面找到的url，但是直接訪問這個(gè)地址是會(huì)被攔截的，因?yàn)槲覀內(nèi)鄙偎獋鬏數(shù)臄?shù)據(jù)，和設(shè)置請(qǐng)求頭，會(huì)被認(rèn)為是非自然人請(qǐng)求的，加入請(qǐng)求頭和數(shù)據(jù)，

 headers = {'Referer':'https://www.lagou.com/jobs/list_'+position+'?city=%E5%8C%97%E4%BA%AC&cl=false&fromSearch=true&labelWords=&suginput=',    'Origin':'https://www.lagou.com',    'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36',
    'Accept':'application/json, text/javascript, */*; q=0.01',
    'Cookie':'JSESSIONID=ABAAABAAAGFABEFE8A2337F3BAF09DBCC0A8594ED74C6C0; user_trace_token=20180122215242-849e2a04-ff7b-11e7-a5c6-5254005c3644; LGUID=20180122215242-849e3549-ff7b-11e7-a5c6-5254005c3644; index_location_city=%E5%8C%97%E4%BA%AC; _gat=1; TG-TRACK-CODE=index_navigation; _gid=GA1.2.1188502030.1516629163; _ga=GA1.2.667506246.1516629163; LGSID=20180122215242-849e3278-ff7b-11e7-a5c6-5254005c3644; LGRID=20180122230310-5c6292b3-ff85-11e7-a5d5-5254005c3644; Hm_lvt_4233e74dff0ae5bd0a3d81c6ccf756e6=1516629163,1516629182; Hm_lpvt_4233e74dff0ae5bd0a3d81c6ccf756e6=1516633389; SEARCH_ID=8d3793ec834f4b0e8e680572b83eb968'
    }
 dates={'first':'true',
   'pn': page,#頁(yè)數(shù)
   'kd': position#搜索的職位
 }

加入請(qǐng)求頭之后就可以請(qǐng)求了，控制臺(tái)輸出數(shù)據(jù)，可以看出是一個(gè)json數(shù)據(jù)，使用json方法處理之后，一步步找到我們想要的數(shù)據(jù)，可以看出全在“result”里面，那么我們就只拿到他就行了，

result=resp.json()['content']['positionResult']['result']

這個(gè)時(shí)候可以看到數(shù)據(jù)非常多，有30個(gè)左右，不過不用擔(dān)心，都是英文單詞，基本上可以才出意思。接下來(lái)我們就要怕這些數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫(kù)中，以備日后分析使用。

連接mysql我使用的是pymysql，先建好數(shù)據(jù)庫(kù)和數(shù)據(jù)表，然后在代碼中加入配置信息

config={
 "host":"127.0.0.1",
 "user":"root",
 "password":"",
 "database":databaseName,
 "charset":"utf8"#防止中文亂碼
}

加載配置文件，連接數(shù)據(jù)庫(kù)

db = pymysql.connect(**config)
cursor = db.cursor()
sql=""#insert語(yǔ)句
cursor.execute（）
db.commit() #提交數(shù)據(jù)
cursor.close()
db.close()#用完記得關(guān)閉連接

大功告成，這個(gè)時(shí)候拉鉤的職位信息已經(jīng)靜靜地躺在了你的數(shù)據(jù)庫(kù)中，靜待你的寵幸，拿到這些數(shù)據(jù)，你就可以進(jìn)行一些分析了，比如平均工資水平、職位技能要求等。

因?yàn)槠邢?，有些代碼并沒有粘貼出來(lái)，比如sql語(yǔ)句（這個(gè)sql寫的挺長(zhǎng)的），但是別擔(dān)心，樓主已經(jīng)把這個(gè)程序放入到github上面了，大家可以自行下載，github地址：https://github.com/wudb1993/pythonDemo如果覺得不錯(cuò)的話請(qǐng)?jiān)趃ithub上面點(diǎn)一下star，手打不易謝謝啦，歡迎大神拍磚。

總結(jié)

以上所述是小編給大家介紹的python爬取拉勾網(wǎng)職位數(shù)據(jù)的方法，希望對(duì)大家有所幫助，如果大家有任何疑問請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持！

最新評(píng)論