爬蟲—拉鉤網(wǎng)招聘崗位爬取

爬取拉勾網(wǎng)各類招聘崗位恶阴,爬取不同的崗位種類只需要初始化時(shí)候傳入?yún)?shù)不同能耻,爬取成功后會(huì)自動(dòng)寫入同目錄的csv文件中爱谁,本例未使用到多線程楞慈。

"""
__coding__ = 'UTF-8'
__author__ = 'bingo'
__date__ = '2020/12/13'
# code is far away from bugs with the god animal protecting
    I love animals. They taste delicious.
             ┏┓   ┏┓
            ┏┛┻━━━┛┻━━┓
            ┃    ?    ┃
            ┃  ┳┛  ┗┳ ┃
            ┃     ┻   ┃
            ┗━┓     ┏━┛
              ┃     ┗━━━━━┓
              ┃  神獸保佑  ┣┓
              ┃ 永無BUG! ┏┛
              ┗━━━┓┓┏━━┳┓┏┛
                  ┃┫┫  ┃┫┫
                  ┗┻┛  ┗┻┛
"""
import requests
import random
import csv
from urllib.parse import quote
import time

class LaGou(object):

    USER_AGENT = [
            "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:74.0) Gecko/20100101 Firefox/74.0",
            "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.132 Safari/537.36",
            "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.87 Safari/537.36 SLBrowser/6.0.1.9171"
        ]
    tasks = []

    def __init__(self, position):
        # 需要搜索的職位
        self.search_position = position

        self.request_url = "https://www.lagou.com/jobs/positionAjax.json?needAddtionalResult=false"
        self.cookies = None
        self.f = open(f"拉勾{self.search_position}崗位.csv", mode="w+", encoding='gbk', newline='', errors="ignore")
        self.csv = csv.writer(self.f, delimiter=",")

    def get_request_cookie(self):
        """
        由于拉鉤的反爬機(jī)制荆忍,請(qǐng)求時(shí)候必須攜帶上cookie格带,并且cookie有效時(shí)間很短,此函數(shù)用來獲取并刷新全局cookie
        :return:
        """
        url = "https://www.lagou.com/jobs/list_{}?labelWords=&fromSearch=true&suginput="
        headers = {
            "user-agent": random.choice(self.USER_AGENT)
        }
        try:
            session = requests.Session()
            res = session.get(url.format(quote(self.search_position)), headers=headers)
            if res.status_code == 200:
                self.cookies = res.cookies
                print("獲取cookies成功")
            else:
                print("獲取cookies失敗")
        except Exception as e:
            print("獲取cookies失敗")

    def get_page_data(self, i):
        """
        獲取每一頁(yè)的內(nèi)容
        :param i: 頁(yè)碼
        :return:
        """
        j = {
            "first": False,
            "pn": 2,
            "kd": self.search_position
        }
        headers = {
            "Referer": "https://www.lagou.com/jobs/list_{}?labelWords=&fromSearch=true&suginput=".format(quote(self.search_position)),
            'Host': 'www.lagou.com',
            "user-agent": random.choice(self.USER_AGENT)
        }

        # 每獲取5頁(yè)刷新一次cookie
        if i % 5 == 0:
            self.get_request_cookie()

        # 偽造瀏覽器代理
        headers["user-agent"] = random.choice(self.USER_AGENT)

        # 頁(yè)碼變量
        j["pn"] = i

        # 獲取原始數(shù)據(jù)
        for retry_time in range(10):
            res = requests.post(self.request_url, data=j, headers=headers, cookies=self.cookies)
            result = res.json()

            # 如果成功走入該分支刹枉,返回崗位信息
            if result.get("success"):
                position_result = result["content"]["positionResult"]
                print(f"第{i}頁(yè)爬取成功:{position_result}")

                if position_result["resultSize"] == 0:
                    print("所有數(shù)據(jù)爬取完畢")
                    return 0

                all_position = position_result["result"]
                return all_position

            # 如果失敗刷新cookie叽唱,走入循環(huán)重新爬取
            else:
                time.sleep(2)
                self.get_request_cookie()
                continue
        else:
            print(f"第{i}頁(yè)爬取失敗: {res.json()}")
            return None


    def get_all_data(self, page_range=None):
        # 需要爬取的頁(yè)碼范圍,不傳page_range, 默認(rèn)爬取前30頁(yè)數(shù)據(jù)
        if isinstance(page_range, int):
            r_ = range(1, page_range+1)
        elif isinstance(page_range, (tuple, list)):
            r_ = range(page_range[0], page_range[1]+1)
        else:
            r_ = range(1, 31)

        # 第一次獲取cookie
        self.get_request_cookie()
        for i in r_:
            positions = self.get_page_data(i)

            if positions == 0:
                break

            if positions:
                # 寫csv的頭信息
                if i == 1 or i == r_[0]:
                    csv_headers = list(positions[0].keys())
                    self.csv.writerow(csv_headers)

                # 寫入具體內(nèi)容
                for p in positions:
                    self.csv.writerow(list(p.values()))

    def __del__(self):
        self.f.close()


if __name__ == "__main__":
    l = LaGou("數(shù)據(jù)分析")
    l.get_all_data(page_range=20)


運(yùn)行結(jié)果:


效果圖

csv文件:


保存的文件
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末微宝,一起剝皮案震驚了整個(gè)濱河市棺亭,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌蟋软,老刑警劉巖镶摘,帶你破解...
    沈念sama閱讀 218,386評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異岳守,居然都是意外死亡凄敢,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,142評(píng)論 3 394
  • 文/潘曉璐 我一進(jìn)店門湿痢,熙熙樓的掌柜王于貴愁眉苦臉地迎上來涝缝,“玉大人,你說我怎么就攤上這事譬重【艽” “怎么了?”我有些...
    開封第一講書人閱讀 164,704評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵臀规,是天一觀的道長(zhǎng)滩援。 經(jīng)常有香客問我,道長(zhǎng)塔嬉,這世上最難降的妖魔是什么玩徊? 我笑而不...
    開封第一講書人閱讀 58,702評(píng)論 1 294
  • 正文 為了忘掉前任租悄,我火速辦了婚禮,結(jié)果婚禮上佣赖,老公的妹妹穿的比我還像新娘恰矩。我一直安慰自己,他們只是感情好憎蛤,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,716評(píng)論 6 392
  • 文/花漫 我一把揭開白布外傅。 她就那樣靜靜地躺著,像睡著了一般俩檬。 火紅的嫁衣襯著肌膚如雪萎胰。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,573評(píng)論 1 305
  • 那天棚辽,我揣著相機(jī)與錄音技竟,去河邊找鬼。 笑死屈藐,一個(gè)胖子當(dāng)著我的面吹牛榔组,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播联逻,決...
    沈念sama閱讀 40,314評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼搓扯,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了包归?” 一聲冷哼從身側(cè)響起锨推,我...
    開封第一講書人閱讀 39,230評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎公壤,沒想到半個(gè)月后换可,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,680評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡厦幅,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,873評(píng)論 3 336
  • 正文 我和宋清朗相戀三年沾鳄,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片确憨。...
    茶點(diǎn)故事閱讀 39,991評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡洞渔,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出缚态,到底是詐尸還是另有隱情,我是刑警寧澤堤瘤,帶...
    沈念sama閱讀 35,706評(píng)論 5 346
  • 正文 年R本政府宣布玫芦,位于F島的核電站,受9級(jí)特大地震影響本辐,放射性物質(zhì)發(fā)生泄漏桥帆。R本人自食惡果不足惜医增,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,329評(píng)論 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望老虫。 院中可真熱鬧叶骨,春花似錦、人聲如沸祈匙。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,910評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)夺欲。三九已至跪帝,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間些阅,已是汗流浹背伞剑。 一陣腳步聲響...
    開封第一講書人閱讀 33,038評(píng)論 1 270
  • 我被黑心中介騙來泰國(guó)打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留市埋,地道東北人黎泣。 一個(gè)月前我還...
    沈念sama閱讀 48,158評(píng)論 3 370
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像缤谎,于是被迫代替她去往敵國(guó)和親抒倚。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,941評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容