Python爬虫实战演练之采集拉钩网招聘信息数据

时间:2022-05-15 06:01:38

 

本文要点:

  • 爬虫的基本流程
  • requests模块的使用
  • 保存csv
  • 可视化分析展示

 

环境介绍

  • python 3.8
  • pycharm 2021专业版 激活码
  • Jupyter Notebook

pycharm 是编辑器 >> 用来写代码的 (更方便写代码, 写代码更加舒适)
python 是解释器 >>> 运行解释python代码的

 

本次目标

Python爬虫实战演练之采集拉钩网招聘信息数据

 

爬虫块使用

 

内置模块:

  • import pprint >>> 格式化输入模块
  • import csv >>> 保存csv文件
  • import re >>> re 正则表达式
  • import time >>> 时间模块

 

第三方模块:

  • import requests >>> 数据请求模块 pip install requests

win + R 输入cmd,回车输入安装命令pip install 模块名。

如果出现爆红,可能是因为,网络连接超时,切换国内镜像源

 

代码实现步骤: (爬虫代码基本步骤)

  • 发送请求
  • 获取数据
  • 解析数据
  • 保存数据

 

开始代码

 

导入模块

import requests  # 数据请求模块 第三方模块 pip install requests
import pprint  # 格式化输出模块
import csv  # csv保存数据
import time

 

发送请求

url = "https://www.lagou.com/jobs/positionAjax.json?needAddtionalResult=false"
# headers 请求头 用来伪装python代码, 防止被识别出是爬虫程序, 然后被反爬
# user-agent: 浏览器的基本标识
headers = {
    "cookie": "privacyPolicyPopup=false; user_trace_token=20211016201224-ba4d90f0-3db5-4647-a86e-411ee3d5bfef; __lg_stoken__=08639898fbdd53a7ebf88fa16e895b59a51e47738f45faef6a32b9a88d6537bf9459b2c6d956a636a99ff599c6a260f04514df42cb77f83065d55f48a2549e60381e8da811b8; JSESSIONID=ABAAAECAAEBABIIE72FFC38A79322951663B5C7AF10CD12; WEBTJ-ID=20211016201225-17c89047f4293-0d7a7cd583dc83-b7a1438-2073600-17c89047f43a90; sajssdk_2015_cross_new_user=1; sensorsdata2015jssdkcross=%7B%22distinct_id%22%3A%2217c8904800d57b-04f17ed5193984-b7a1438-2073600-17c8904800e765%22%2C%22%24device_id%22%3A%2217c8904800d57b-04f17ed5193984-b7a1438-2073600-17c8904800e765%22%7D; PRE_UTM=; PRE_HOST=; PRE_LAND=https%3A%2F%2Fwww.lagou.com%2Fjobs%2Flist%5Fpython%3FlabelWords%3D%26fromSearch%3Dtrue%26suginput%3D; LGSID=20211016201225-7b8aa578-74ab-4b09-885c-ebbe57a6029a; PRE_SITE=; LGUID=20211016201225-fda15dbb-7823-4a2d-9d80-258caf018f02; _ga=GA1.2.903785807.1634386346; _gat=1; Hm_lvt_4233e74dff0ae5bd0a3d81c6ccf756e6=1634386346; _gid=GA1.2.701447082.1634386346; X_HTTP_TOKEN=ba154973a88f2f64153683436141effc1d544fa2ed; Hm_lpvt_4233e74dff0ae5bd0a3d81c6ccf756e6=1634386352; LGRID=20211016201232-8913a057-d37d-41c3-b094-a04cf36515a7; SEARCH_ID=ff32d1294b464305b4e0907f659ef2a7",
    "referer": "https://www.lagou.com/jobs/list_python?labelWords=&fromSearch=true&suginput=",
    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36",
}
data = {
    "first": "false",
    "pn": page,
    "kd": "python",
    "sid": "bf8ed05047294473875b2c8373df0357"
}
# response 自定义变量 可以自己定义 
response = requests.post(url=url, data=data, headers=headers)

<Response [200]> 获取服务器给我们响应数据

 

解析数据

json数据最好解析 非常好解析, 就根据字典键值对取值

result = response.json()["content"]["positionResult"]["result"]
# 循环遍历  从 result 列表里面 把元素一个一个提取出来
for index in result:
    # pprint.pprint(index)
    # href = index["positionId"]
    href = f"https://www.lagou.com/jobs/{index["positionId"]}.html"
    dit = {
        "标题": index["positionName"],
        "地区": index["city"],
        "公司名字": index["companyFullName"],
        "薪资": index["salary"],
        "学历": index["education"],
        "经验": index["workYear"],
        "公司标签": ",".join(index["companyLabelList"]),
        "详情页": href,
    }
    # "".join() 把列表转成字符串 "免费班车",
    csv_writer.writerow(dit)
    print(dit)

 

加翻页

for page in range(1, 31):
    print(f"------------------------正在爬取第{page}页-------------------------")
    time.sleep(1)

 

保存数据

f = open("招聘数据.csv", mode="a", encoding="utf-8", newline="")
csv_writer = csv.DictWriter(f, fieldnames=[
    "标题",
    "地区",
    "公司名字",
    "薪资",
    "学历",
    "经验",
    "公司标签",
    "详情页",
])

csv_writer.writeheader() # 写入表头

 

运行代码,得到数据

Python爬虫实战演练之采集拉钩网招聘信息数据

Python爬虫实战演练之采集拉钩网招聘信息数据

【付费VIP完整版】只要看了就能学会的教程,80集Python基础入门视频教学

点这里即可免费在线观看

到此这篇关于Python爬虫实战演练之采集拉钩网招聘信息数据的文章就介绍到这了,更多相关Python 采集拉钩网招聘信息数据内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家!

原文链接:https://pythonjx.blog.csdn.net/article/details/120826583