本文目標(biāo)

獲取 Ajax 請求,解析 JSON 中所需字段
數(shù)據(jù)保存到 Excel 中
數(shù)據(jù)保存到 MySQL, 方便分析

簡單分析

五個城市 Python 崗位平均薪資水平

Python 崗位要求學(xué)歷分布

Python 行業(yè)領(lǐng)域分布

Python 公司規(guī)模分布

查看頁面結(jié)構(gòu)

我們輸入查詢條件以 Python 為例，其他條件默認(rèn)不選，點擊查詢，就能看到所有 Python 的崗位了，然后我們打開控制臺，點擊網(wǎng)絡(luò)標(biāo)簽可以看到如下請求：

從響應(yīng)結(jié)果來看，這個請求正是我們需要的內(nèi)容。后面我們直接請求這個地址就好了。從圖中可以看出 result 下面就是各個崗位信息。

到這里我們知道了從哪里請求數(shù)據(jù)，從哪里獲取結(jié)果。但是 result 列表中只有第一頁 15 條數(shù)據(jù)，其他頁面數(shù)據(jù)怎么獲取呢？

分析請求參數(shù)

我們點擊參數(shù)選項卡，如下：

發(fā)現(xiàn)提交了三個表單數(shù)據(jù)，很明顯看出來 kd 就是我們搜索的關(guān)鍵詞，pn 就是當(dāng)前頁碼。first 默認(rèn)就行了，不用管它。剩下的事情就是構(gòu)造請求，來下載 30 個頁面的數(shù)據(jù)了。

構(gòu)造請求，并解析數(shù)據(jù)

構(gòu)造請求很簡單，我們還是用 requests 庫來搞定。首先我們構(gòu)造出表單數(shù)據(jù)?data = {‘first’: ‘true’, ‘pn’: page, ‘kd’: lang_name}?之后用 requests 來請求url地址，解析得到的 Json 數(shù)據(jù)就算大功告成了。由于拉勾對爬蟲限制比較嚴(yán)格，我們需要把瀏覽器中 headers 字段全部加上，而且把爬蟲間隔調(diào)大一點，我后面設(shè)置的為 10-20s，然后就能正常獲取數(shù)據(jù)了。

import requestsdef get_json(url, page, lang_name):headers = {'Host': 'www.lagou.com','Connection': 'keep-alive','Content-Length': '23','Origin': 'https://www.lagou.com','X-Anit-Forge-Code': '0','User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0','Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8','Accept': 'application/json, text/javascript, */*; q=0.01','X-Requested-With': 'XMLHttpRequest','X-Anit-Forge-Token': 'None','Referer': 'https://www.lagou.com/jobs/list_python?city=%E5%85%A8%E5%9B%BD&cl=false&fromSearch=true&labelWords=&suginput=','Accept-Encoding': 'gzip, deflate, br','Accept-Language': 'en-US,en;q=0.9,zh-CN;q=0.8,zh;q=0.7'}data = {'first': 'false', 'pn': page, 'kd': lang_name}json = requests.post(url, data, headers=headers).json()list_con = json['content']['positionResult']['result']info_list = []for i in list_con:info = []info.append(i.get('companyShortName', '無'))info.append(i.get('companyFullName', '無'))info.append(i.get('industryField', '無'))info.append(i.get('companySize', '無'))info.append(i.get('salary', '無'))info.append(i.get('city', '無'))info.append(i.get('education', '無'))info_list.append(info)return info_list

?

獲取所有數(shù)據(jù)

了解了如何解析數(shù)據(jù)，剩下的就是連續(xù)請求所有頁面了，我們構(gòu)造一個函數(shù)來請求所有 30 頁的數(shù)據(jù)。

def main():lang_name = 'python'wb = Workbook()conn = get_conn()for i in ['北京', '上海', '廣州', '深圳', '杭州']:page = 1ws1 = wb.activews1.title = lang_nameurl = 'https://www.lagou.com/jobs/positionAjax.json?city={}&needAddtionalResult=false'.format(i)while page < 31:info = get_json(url, page, lang_name)page += 1import timea = random.randint(10, 20)time.sleep(a)for row in info:insert(conn, tuple(row))ws1.append(row)conn.close()wb.save('{}職位信息.xlsx'.format(lang_name))if __name__ == '__main__':main()

?

完整代碼

import random import timeimport requests from openpyxl import Workbook import pymysql.cursorsdef get_conn():'''建立數(shù)據(jù)庫連接'''conn = pymysql.connect(host='localhost',user='root',password='root',db='python',charset='utf8mb4',cursorclass=pymysql.cursors.DictCursor)return conndef insert(conn, info):'''數(shù)據(jù)寫入數(shù)據(jù)庫'''with conn.cursor() as cursor:sql = "INSERT INTO `python` (`shortname`, `fullname`, `industryfield`, `companySize`, `salary`, `city`, `education`) VALUES (%s, %s, %s, %s, %s, %s, %s)"cursor.execute(sql, info)conn.commit()//如果大家對Python感興趣的話，可以加一下我們的學(xué)習(xí)交流摳摳群哦：649825285，免費領(lǐng)取一套學(xué)習(xí)資料和視頻課程喲~ def get_json(url, page, lang_name):'''返回當(dāng)前頁面的信息列表'''headers = {'Host': 'www.lagou.com','Connection': 'keep-alive','Content-Length': '23','Origin': 'https://www.lagou.com','X-Anit-Forge-Code': '0','User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0','Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8','Accept': 'application/json, text/javascript, */*; q=0.01','X-Requested-With': 'XMLHttpRequest','X-Anit-Forge-Token': 'None','Referer': 'https://www.lagou.com/jobs/list_python?city=%E5%85%A8%E5%9B%BD&cl=false&fromSearch=true&labelWords=&suginput=','Accept-Encoding': 'gzip, deflate, br','Accept-Language': 'en-US,en;q=0.9,zh-CN;q=0.8,zh;q=0.7'}data = {'first': 'false', 'pn': page, 'kd': lang_name}json = requests.post(url, data, headers=headers).json()list_con = json['content']['positionResult']['result']info_list = []for i in list_con:info = []info.append(i.get('companyShortName', '無')) # 公司名info.append(i.get('companyFullName', '無'))info.append(i.get('industryField', '無')) # 行業(yè)領(lǐng)域info.append(i.get('companySize', '無')) # 公司規(guī)模info.append(i.get('salary', '無')) # 薪資info.append(i.get('city', '無'))info.append(i.get('education', '無')) # 學(xué)歷info_list.append(info)return info_list # 返回列表def main():lang_name = 'python'wb = Workbook() # 打開 excel 工作簿conn = get_conn() # 建立數(shù)據(jù)庫連接 不存數(shù)據(jù)庫 注釋此行for i in ['北京', '上海', '廣州', '深圳', '杭州']: # 五個城市page = 1ws1 = wb.activews1.title = lang_nameurl = 'https://www.lagou.com/jobs/positionAjax.json?city={}&needAddtionalResult=false'.format(i)while page < 31: # 每個城市30頁信息info = get_json(url, page, lang_name)page += 1time.sleep(random.randint(10, 20))for row in info:insert(conn, tuple(row)) # 插入數(shù)據(jù)庫，若不想存入 注釋此行ws1.append(row)conn.close() # 關(guān)閉數(shù)據(jù)庫連接，不存數(shù)據(jù)庫 注釋此行wb.save('{}職位信息.xlsx'.format(lang_name))if __name__ == '__main__':main()

總結(jié)

以上是生活随笔為你收集整理的Python爬虫——爬取Python岗位的那些事的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

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