感覺好久沒寫python了哈哈，最近都在忙工作袄友，所以也是沒有學(xué)習(xí)python殿托。
剛好湊巧朋友正在找工作，也是java的剧蚣，所以我也就順便聯(lián)系下爬蟲支竹，爬下拉勾網(wǎng)的java職位。
以前都是用的bs4鸠按，今天來用一下xpath～

找出請求地址

首先打開拉勾網(wǎng)選擇一個(gè)城市礼搁，然后直接點(diǎn)它的java分類
觀察地址欄可以看到一個(gè)地址

image.png

其實(shí)這個(gè)地址沒什么用，別被它忽悠了目尖，接下來我們到頁面最下方選擇第二頁會(huì)發(fā)現(xiàn)地址欄地址變了

image.png

再選擇第三頁第四頁會(huì)發(fā)現(xiàn)馒吴，好像也就只是Java后面那個(gè)數(shù)字變了，那這個(gè)地址是不是就是我們需要的呢瑟曲，其實(shí)不是饮戳，代碼里請求這個(gè)地址是拿不到我們想要的東西的，所以我們打開開發(fā)者工具洞拨，輸入java點(diǎn)擊搜索

image.png

這個(gè)請求返回了一個(gè)html扯罐，但是往下拉卻會(huì)發(fā)現(xiàn)公司列表是空的，還是沒有數(shù)據(jù)烦衣。那么繼續(xù)往下找

image.png

下面那個(gè)companyAjax這個(gè)看起來是最像的了歹河，但是不是它，是上面這個(gè)position花吟，一開始我以為是下面那個(gè)秸歧，然后用來請求發(fā)現(xiàn)一直提示你訪問過于頻繁。讓我錯(cuò)以為是真的訪問過于頻繁衅澈，然后我用手機(jī)4G網(wǎng)訪問了下發(fā)現(xiàn)也是同樣的結(jié)果键菱。后來點(diǎn)了下上面這個(gè)，發(fā)現(xiàn)它就是我們要找的請求地址矾麻，它會(huì)返回給我們json數(shù)據(jù)纱耻“盘荩可以說是相當(dāng)?shù)凝R全了险耀。

image.png

爬取數(shù)據(jù)

• url ：https://www.lagou.com/jobs/positionAjax.json?city=%E6%B7%B1%E5%9C%B3&needAddtionalResult=false&isSchoolJob=0
• 請求方式： post
• 請求數(shù)據(jù)：

data = {
    'first': False,
    'pn':1,
    'kd': 'java',
}

pn就是頁碼了，kd應(yīng)該就是關(guān)鍵字了
注意要設(shè)置header

data = {
    'first': False,
    'pn':1,
    'kd': 'java',
}
def get_job(data):
    url = 'https://www.lagou.com/jobs/positionAjax.json?city=%E6%B7%B1%E5%9C%B3&needAddtionalResult=false&isSchoolJob=0'
        page = requests.post(url=url, cookies=cookie, headers=headers, data=data)
    page.encoding = 'utf-8'
    result = page.json()
    jobs = result['content']['positionResult']['result']
    for job in jobs:
        companyShortName = job['companyShortName']
        positionId = job['positionId']  # 主頁ID
        companyFullName = job['companyFullName']  # 公司全名

這個(gè)返回的信息是挺全面了玖喘，當(dāng)然如果要獲取更詳細(xì)的信息甩牺，那就需要到詳情頁了，隨便點(diǎn)一個(gè)

image.png

detail_url = 'https://www.lagou.com/jobs/{}.html'.format(positionId)
        response = requests.get(url=detail_url, headers=headers, cookies=cookies)
        response.encoding = 'utf-8'
        tree = etree.HTML(response.text)
        desc = tree.xpath('//*[@id="job_detail"]/dd[2]/div/p/text()')

不知道為什么，有的公司明明是有職位描述的搞乏，但是卻拿不到波桩，也是有點(diǎn)費(fèi)勁，原諒我是個(gè)菜鳥请敦。誰知道的話煩請告知小弟一下

image.png

完整代碼：

# /usr/bin/env python3
# -*- coding:utf-8 -*-

import requests
from lxml import etree


cookie = {
    'Cookie':'JSESSIONID=ABAAABAAAGGABCBF0273ED764F089FC46DF6B525A6828FC; '
             'user_trace_token=20170901085741-8ea70518-8eb0-11e7-902f-5254005c3644; '
             'LGUID=20170901085741-8ea7093b-8eb0-11e7-902f-5254005c3644; '
             'index_location_city=%E6%B7%B1%E5%9C%B3; '
             'TG-TRACK-CODE=index_navigation; _gat=1; '
             '_gid=GA1.2.807135798.1504227456; _ga=GA1.2.1721572155.1504227456; '
             'LGSID=20170901085741-8ea70793-8eb0-11e7-902f-5254005c3644; '
             'LGRID=20170901095027-ed9ebf87-8eb7-11e7-902f-5254005c3644; '
             'Hm_lvt_4233e74dff0ae5bd0a3d81c6ccf756e6=1504227456; '
             'Hm_lpvt_4233e74dff0ae5bd0a3d81c6ccf756e6=1504230623;'
             'SEARCH_ID=a274b85f40b54d4da62d5e5740427a0a'
}

headers = {
    'User-Agent': 'User-Agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64) '
                  'AppleWebKit/537.36 (KHTML, like Gecko) '
                  'Chrome/60.0.3112.90 Safari/537.36',
    'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
    'Host':'www.lagou.com',
    'Origin':'https://www.lagou.com',
    'Referer':'https://www.lagou.com/jobs/list_java?city=%E6%B7%B1%E5%9C%B3&cl=false&fromSearch=true&labelWords=&suginput=',
}
cookies = {
    'Cookie': 'user_trace_token=20170901085741-8ea70518-8eb0-11e7-902f-5254005c3644;'
              'LGUID=20170901085741-8ea7093b-8eb0-11e7-902f-5254005c3644; '
              'index_location_city=%E6%B7%B1%E5%9C%B3; SEARCH_ID=7277bc08d137413dac2590cea0465e39; '
              'TG-TRACK-CODE=search_code; JSESSIONID=ABAAABAAAGGABCBF0273ED764F089FC46DF6B525A6828FC; '
              'PRE_UTM=; PRE_HOST=; '
              'PRE_SITE=https%3A%2F%2Fwww.lagou.com%2Fjobs%2Flist_java%3Fcity%3D%25E6%25B7%25B1%25E5%259C%25B3%26cl%3Dfalse%26fromSearch%3Dtrue%26labelWords%3D%26suginput%3D; '
              'PRE_LAND=https%3A%2F%2Fwww.lagou.com%2Fjobs%2F3413383.html; _gat=1; _'
              'gid=GA1.2.807135798.1504227456; Hm_lvt_4233e74dff0ae5bd0a3d81c6ccf756e6=1504227456; '
              'Hm_lpvt_4233e74dff0ae5bd0a3d81c6ccf756e6=1504252636; _ga=GA1.2.1721572155.1504227456; '
              'LGSID=20170901153335-dd437749-8ee7-11e7-903c-5254005c3644; '
              'LGRID=20170901155728-336ca29d-8eeb-11e7-9043-5254005c3644',
}
data = {
    'first': False,
    'pn':1,
    'kd': 'java',
}

def get_job(data):
    url = 'https://www.lagou.com/jobs/positionAjax.json?city=%E6%B7%B1%E5%9C%B3&needAddtionalResult=false&isSchoolJob=0'
        page = requests.post(url=url, cookies=cookie, headers=headers, data=data)
    page.encoding = 'utf-8'
    result = page.json()
    jobs = result['content']['positionResult']['result']
    for job in jobs:
        companyShortName = job['companyShortName']
        positionId = job['positionId']  # 主頁ID
        companyFullName = job['companyFullName']  # 公司全名
        companyLabelList = job['companyLabelList']  # 福利待遇
        companySize = job['companySize']  # 公司規(guī)模
        industryField = job['industryField']
        createTime = job['createTime']  # 發(fā)布時(shí)間
        district = job['district']  # 地區(qū)
        education = job['education']  # 學(xué)歷要求
        financeStage = job['financeStage']  # 上市否
        firstType = job['firstType']  # 類型
        secondType = job['secondType']  # 類型
        formatCreateTime = job['formatCreateTime']  # 發(fā)布時(shí)間
        publisherId = job['publisherId']  # 發(fā)布人ID
        salary = job['salary']  # 薪資
        workYear = job['workYear']  # 工作年限
        positionName = job['positionName']  #
        jobNature = job['jobNature']  # 全職
        positionAdvantage = job['positionAdvantage']  # 工作福利
        positionLables = job['positionLables']  # 工種

        detail_url = 'https://www.lagou.com/jobs/{}.html'.format(positionId)
        response = requests.get(url=detail_url, headers=headers, cookies=cookies)
        response.encoding = 'utf-8'
        tree = etree.HTML(response.text)
        desc = tree.xpath('//*[@id="job_detail"]/dd[2]/div/p/text()')

        print(companyFullName)
        print('%s 拉勾網(wǎng)鏈接:-> %s' % (companyShortName, detail_url))

        print('職位：%s' % positionName)
        print('職位類型：%s' % firstType)
        print('薪資待遇：%s' % salary)
        print('職位誘惑：%s' % positionAdvantage)
        print('地區(qū)：%s' % district)
        print('類型：%s' % jobNature)
        print('工作經(jīng)驗(yàn)：%s' % workYear)
        print('學(xué)歷要求：%s' % education)
        print('發(fā)布時(shí)間：%s' % createTime)
        x = ''
        for label in positionLables:
            x += label + ','
        print('技能標(biāo)簽：%s' % x)
        print('公司類型：%s' % industryField)
        for des in desc:
            print(des)


def url(data):
    for x in range(1,50):
        data['pn'] = x
        get_job(data)

if __name__ == '__main__':
    url(data)

最后的最后镐躲，說來我陸陸續(xù)續(xù)學(xué)習(xí)python 的時(shí)間也有兩個(gè)月了差不多，但是學(xué)的很皮毛侍筛，接下來有時(shí)間還是準(zhǔn)備好好看看cookbook 萤皂，加油