初级爬虫--爬取拉勾网职位信息

发布时间：2020-12-20 09:51:20 所属栏目：Python 来源：网络整理

导读：主要用到的库：requests 1.原始url地址，https://www.lagou.com/jobs/list_python?labelWords=fromSearch=truesuginput=。我们查看网页源代码，发现里面并没有我们想要的职位信息，这是因为拉勾网有反爬虫机制，它的职位信息是通过ajax动态加载的。 2.我们按

主要用到的库：requests

1.原始url地址，https://www.lagou.com/jobs/list_python?labelWords=&fromSearch=true&suginput=。我们查看网页源代码，发现里面并没有我们想要的职位信息，这是因为拉勾网有反爬虫机制，它的职位信息是通过ajax动态加载的。

2.我们按下F12，找到network--在左侧Name中找到：positionAjax.json?needAddtionalResult=false--，在右侧找到response。

?我们将显示的json格式的内容放在http://www.bejson.com/jsonviewernew/进行格式化：

?发现这正是我们想要的职位信息。

3.简单爬虫的构建

import requests
#实际要爬取的url
url = 'https://www.lagou.com/jobs/positionAjax.json?needAddtionalResult=false'

payload = {
    first': true,pn1kd: 'python',}

header =User-AgentMozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML,like Gecko) Chrome/73.0.3683.86 Safari/537.36Refererhttps://www.lagou.com/jobs/list_python?labelWords=&fromSearch=true&suginput=Acceptapplication/json,text/javascript,*/*; q=0.01
}
原始的url
urls ='
建立session
s = requests.Session()
 获取搜索页的cookies
s.get(urls,headers=header,timeout=3)
 为此次获取的cookies
cookie = s.cookies
 获取此次文本
response = s.post(url,data=payload,cookies=cookie,timeout=5).text
print(response)

部分输出如下：

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!