日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪(fǎng)問(wèn) 生活随笔!

生活随笔

當(dāng)前位置: 首頁(yè) > 编程资源 > 编程问答 >内容正文

编程问答

Python拉勾爬虫——以深圳地区数据分析师为例

發(fā)布時(shí)間:2024/8/24 编程问答 31 如意码农
生活随笔 收集整理的這篇文章主要介紹了 Python拉勾爬虫——以深圳地区数据分析师为例 小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.

拉勾因其結(jié)構(gòu)化的數(shù)據(jù)比較多因此過(guò)去常常被爬,所以在其多次改版之下變得難爬。不過(guò)只要清楚它的原理,依然比較好爬。其機(jī)制主要就是AJAX異步加載JSON數(shù)據(jù),所以至少在搜索頁(yè)面里翻頁(yè)url不會(huì)變化,而且數(shù)據(jù)也不會(huì)出現(xiàn)在源代碼里。

數(shù)據(jù)解析

這是深圳地區(qū)的數(shù)據(jù)分析師頁(yè)面,用Chrome檢查打開(kāi)。在XHR中可以看到一個(gè)以postionAjax.json開(kāi)頭的腳本,打開(kāi)Preview看一下,可以看到:

可以發(fā)現(xiàn)這些數(shù)據(jù)與前端的數(shù)據(jù)一致,此時(shí)我們已經(jīng)找到了數(shù)據(jù)入口,就可以開(kāi)始爬了。

數(shù)據(jù)爬取

在Headers里可以查看請(qǐng)求方式:

Request Header:

Request URL:https://www.lagou.com/jobs/positionAjax.json?city=深圳&needAddtionalResult=false

Request Method:POST

Status Code:200 OK

Remote Address:106.75.72.62:443

從Request Header中可以看到,是用POST提交表單方式查詢(xún)的(所以如果你直接點(diǎn)開(kāi)Request URL你會(huì)發(fā)現(xiàn)數(shù)據(jù)不對(duì),因?yàn)闆](méi)有提交表單數(shù)據(jù))。

那么我們就可以在Python中構(gòu)造請(qǐng)求頭以及提交表單數(shù)據(jù)來(lái)訪(fǎng)問(wèn):

import requests
import time
from sqlalchemy import create_engine
import pandas as pd
from random import choice
import json
import numpy engine=create_engine(#這里填你自己數(shù)據(jù)庫(kù)的參數(shù)#) # 連接數(shù)據(jù)庫(kù)
dl = pd.read_sql("proxys",engine) def get_proxy(dl):
n = choice(range(1, len(dl.index)))
proxy = {"http":"http://%s:%s" %(dl["ip"][n],dl["port"][n]),
"https": "http://%s:%s" % (dl["ip"][n], dl["port"][n])}
return(proxy) def get_header():
headers = {
"User-Agent": ""Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; AcooBrowser; .NET CLR 1.1.4322; .NET CLR 2.0.50727)"",
"Accept": "application/json, text/javascript, */*; q=0.01",
"Content-Type": "application/x-www-form-urlencoded; charset=UTF-8",
"Referer": "https://www.lagou.com/jobs/list_%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%E5%B8%88?px=default&city=%E6%B7%B1%E5%9C%B3&district=%E5%8D%97%E5%B1%B1%E5%8C%BA",
"X-Requested-With": "XMLHttpRequest",
"Host": "www.lagou.com",
"Connection":"keep-alive",
"Cookie":"user_trace_token=20160214102121-0be42521e365477ba08bd330fd2c9c72; LGUID=20160214102122-a3b749ae-d2c1-11e5-8a48-525400f775ce; tencentSig=9579373568; pgv_pvi=3712577536; index_location_city=%E5%85%A8%E5%9B%BD; SEARCH_ID=c684c55390a84fe5bd7b62bf1754b900; JSESSIONID=8C779B1311176D4D6B74AF3CE40CE5F2; TG-TRACK-CODE=index_hotjob; Hm_lvt_4233e74dff0ae5bd0a3d81c6ccf756e6=1485318435,1485338972,1485393674,1485423558; Hm_lpvt_4233e74dff0ae5bd0a3d81c6ccf756e6=1485423598; _ga=GA1.2.1996921784.1455416480; LGRID=20170126174002-691cb0a5-e3ab-11e6-bdc0-525400f775ce",
"Origin": "https://www.lagou.com",
"Upgrade-Insecure-Requests":"1",
"X-Anit-Forge-Code": "0",
"X-Anit-Forge-Token": "None",
"Accept-Encoding": "gzip, deflate, br",
"Accept-Language": "zh-CN,zh;q=0.8"
}
return(headers) def get_form(i):
data={"first":"false","pn":i,"kd":"數(shù)據(jù)分析師"}
return(data) districts = ["南山區(qū)","福田區(qū)","寶安區(qū)","龍崗區(qū)","龍華新區(qū)","羅湖區(qū)","鹽田區(qū)","大鵬新區(qū)"]
pagenos = [22,10,1,4,1,2,1,1]
url_lists = ["https://www.lagou.com/jobs/positionAjax.json?px=default&city=深圳&district=%s&needAddtionalResult=false"%area for area in districts] s = requests.Session()
s.keep_alive = False
s.adapters.DEFAULT_RETRIES = 10 def get_jobinfo(i,j): # i表區(qū)號(hào),j表頁(yè)數(shù)
if i >= 8 or j > pagenos[i]:
return("索引超標(biāo)!")
resp=s.post(url_lists[i], data=get_form(j), headers=get_header())
resp.encoding="utf-8"
max_num = len(json.loads(resp.text)["content"]["positionResult"]["result"])
for k in range(max_num):
try:
json_data=json.loads(resp.text)["content"]["positionResult"]["result"][k]
df = pd.DataFrame(dict(
approve=json_data["approve"],
# businessZones=json_data["businessZones"],
companyId=json_data["companyId"],
# companyLabelList=json_data["companyLabelList"],
companyShortName=json_data["companyShortName"],
companySize=json_data["companySize"],
createTime=json_data["createTime"],
education=json_data["education"],
financeStage=json_data["financeStage"],
firstType=json_data["firstType"],
industryField=json_data["industryField"],
jobNature=json_data["jobNature"],
positionAdvantage=json_data["positionAdvantage"],
positionId=json_data["positionId"],
positionName=json_data["positionName"],
salary=json_data["salary"],
secondType=json_data["secondType"],
workYear=json_data["workYear"],
scrapy_time=time.strftime('%Y-%m-%d %H:%M:%S', time.localtime(time.time()))),index=[0])
df.to_sql(con = engine, name = "job_info", if_exists = 'append', flavor = "mysql",index=False)
except:
print("第%d區(qū),第%d頁(yè),第%d個(gè)出錯(cuò)了!"%(i,j,k))

以上這個(gè)函數(shù)就可以通過(guò)提交區(qū)和頁(yè)數(shù),返回當(dāng)前頁(yè)的職位數(shù)。

其實(shí)AJAX返回JSON數(shù)據(jù)的方式也有好處,數(shù)據(jù)都是規(guī)整的,不必花太多時(shí)間精力在數(shù)據(jù)清洗上。

不過(guò)注意要加延時(shí),拉勾的反爬蟲(chóng)措施還是比較嚴(yán)的,不加延時(shí)爬一小會(huì)兒就會(huì)被封IP。

總結(jié)

以上是生活随笔為你收集整理的Python拉勾爬虫——以深圳地区数据分析师为例的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò),歡迎將生活随笔推薦給好友。

主站蜘蛛池模板: 久久国产精品影院 | 日本美女黄色大片 | 18视频网站在线观看 | 欧美特黄一级 | 黄色网址中文字幕 | 日韩综合网站 | 色多多入口 | 在线精品一区二区 | 免费看黄色小视频 | 日视频| 日日骚网 | 久久久久a | 国产三级全黄 | 精品一区二区国产 | 精品国产三级片在线观看 | 日本美女逼 | 久久久天堂| 久久天天躁狠狠躁夜夜av | 亚洲不卡中文字幕无码 | 成人在线观看国产 | bt天堂新版中文在线地址 | 五月丁香啪啪 | 亚洲伊人影院 | 亚洲女人天堂网 | 8050午夜一级毛片久久亚洲欧 | 国产成人av影院 | 国产视频福利 | 亚洲av无码久久忘忧草 | 少妇高潮av| 嫩草影院黄 | 亚洲一区二区色 | av丁香| 亚色中文 | 国产日韩精品电影 | 午夜影院18| 国产三极片| 亚洲综合天堂 | 国产老头老太作爱视频 | 一极毛片 | 日韩一级片免费在线观看 | 欧美在线一区二区三区四区 | 久久精品国产大片免费观看 | 草色噜噜噜av在线观看香蕉 | 日韩人妻精品无码一区二区三区 | 五月天超碰 | 狠狠久久 | 色婷婷香蕉在线一区二区 | 日韩在线一卡二卡 | 黄色变态网站 | 亚洲黄片一区二区三区 | 欧美特黄一级视频 | 男女啪啪资源 | 久久久久久国产精品日本 | 黄色一级免费视频 | 色欲国产精品一区二区 | xxxxⅹxxxhd日本8hd | 女人扒开屁股让男人桶 | 欧美日韩高清一区二区 | 毛片链接| 97超碰人人模人人人爽人人爱 | 天天干天天操天天摸 | www.sesehu.com| 国产午夜大地久久 | 成人午夜视频网站 | 天天色天天操天天射 | 人人草av| 色欲久久久天天天精品综合网 | 女同性恋一区二区三区 | 亚洲日本成人在线观看 | 亚洲精品一区二区三区不卡 | 老头老太做爰xxx视频 | 精品不卡一区 | 奇米影视77777 | 国产精品xxxxxx| 亚洲乱码精品久久久久 | 亚洲色图欧美激情 | 亚洲天堂网一区二区 | 97色爱| 在线观看一区视频 | 8090av | 欧美人伦 | 欧美xxxbbb| 亚洲熟妇丰满大屁股熟妇 | 日韩中文字幕精品 | 久久精品亚洲无码 | 欧美手机在线观看 | 99视频精品免费 | 韩国主播青草200vip视频 | 欧美一区二区三区免费视频 | 制服av在线 | 国产小视频免费观看 | 一区二区不卡视频在线观看 | 国产三级一区二区 | 欧美女人天堂 | 欧美怡红院| 免费成人黄色网址 | 欧美变态口味重另类 | 久久久久久久久久久久久女国产乱 | 久操福利|