当前位置： 移动技术网 > IT编程>脚本编程>Python > Boss直聘Python爬虫实战

Boss直聘Python爬虫实战

2020年04月16日  | 移动技术网IT编程  | 我要评论

古罗马全面战争,手机充值卡进货渠道,中兴n983

准备工作

  • 新建项目-新建pythonfile

  • 安装爬虫模块

    1
    		 
    pip install requests

  • requests的常用函数

    • request.get()，对应http协议的get请求，也就是把网页下载下来。
    • request.post()，对应http协议的post请求，就是把数据上传到网页服务器。

  • 观察boss直聘的url。

    1
    		 
    https://www.zhipin.com/c101250100-p110101/
    • 通过观察发现，后面应该是城市代码和职位代码
    • 通过检查-network发现，城市代码应该是储存在city.json里面
    • 职位代码应该是储存在position.json里面

通过观察：city.json的url为

1
 
https://www.zhipin.com/wapi/zpcommon/data/city.json

postion.json的url为

1
 
https://www.zhipin.com/wapi/zpcommon/data/position.json

爬取城市代码

  • 测试连接

    1
    2
    3
    4
    5
    		 
    import requests
    # requests-->请求
    url = 'https://www.zhipin.com/wapi/zpcommon/data/city.json'  # boss直聘城市链接
    response = requests.get(url)  
    print(response)  # 打印响应

    返回值：

    1
    		 
    <response [200]>

    200：代表返回成功

    404：网络连接失败

    500：服务器奔溃

  • 加入浏览器伪装头’user-agent’，防止被服务器发现你是爬虫

    1
    		 
    headers = {'user-agent': 'mozilla/5.0 (x11; linux x86_64) applewebkit/537.36 (khtml, like gecko) chrome/80.0.3987.106 safari/537.36'}

  • 第一次打印

    1
    2
    3
    4
    5
    6
    7
    8
    		 
    import requests
    from pprint import pprint
    url = 'https://www.zhipin.com/wapi/zpcommon/data/city.json'  # boss直聘城市代码
    headers = {'user-agent': 'mozilla/5.0 (x11; linux x86_64) \
    applewebkit/537.36 (khtml, like gecko) chrome/80.0.3987.106 safari/537.36'}
    response = requests.get(url, headers=headers)
    data = response.json()  # 从返回对象中提取json
    pprint(data)

    结果如下：

    根据上图观察，返回的json可以当成是一个多层字典。

数据均在zpdata\citylist下，于是对zpdata进行第一次解包。

对citylist进行第二次解包。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
 
import requests
from pprint import pprint
url = 'https://www.zhipin.com/wapi/zpcommon/data/city.json'  # boss直聘城市代码
headers = {'user-agent': 'mozilla/5.0 (x11; linux x86_64) \
applewebkit/537.36 (khtml, like gecko) chrome/80.0.3987.106 safari/537.36'}
response = requests.get(url, headers=headers)
data = response.json()  # 从返回对象中提取json
data1 = data['zpdata']['citylist']
# pprint(data1)
for ii in data1:
    province = ii['name']  # 省名
    province_code = ii['code']  # 省对应的代码
    city_list = ii['sublevelmodellist']
    for ci in city_list:
      city = ci['name']  # 城市名
        city_code = ci['code']  # 城市代码
      print(province, '\t', province_code, '\t', city, '\t', city_code)

省和城市代码就爬取完毕了，直接粘贴到excel就可以。至于如何直接导出excel，后面再说。

您可能感兴趣的文章:

如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复

相关文章:

验证码：
最近更新的文章
大家感兴趣的文章
移动技术网