Boss直聘Python爬虫实战

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。