python爬取拉勾網(wǎng)職位數(shù)據(jù)的方法

今天寫的這篇文章是關于python爬蟲簡單的一個使用，選取的爬取對象是著名的招聘網(wǎng)站——拉鉤網(wǎng)，由于和大家的職業(yè)息息相關，所以爬取拉鉤的數(shù)據(jù)進行分析，對于職業(yè)規(guī)劃和求職時的信息提供有很大的幫助。

完成的效果

  爬取數(shù)據(jù)只是第一步，怎樣使用和分析數(shù)據(jù)也是一大重點，當然這不是本次博客的目的，由于本次只是一個上手的爬蟲程序，所以我們的最終目的只是爬取到拉鉤網(wǎng)的職位信息，然后保存到Mysql數(shù)據(jù)庫中。最后中的效果示意圖如下：

控制臺輸入

數(shù)據(jù)庫顯示

準備工作

  首先需要安裝python，這個網(wǎng)上已經有很多的教程了，這里就默認已經安裝python，博主使用的是python3.6,然后安裝了requests、pymysql（連接數(shù)據(jù)庫使用）和Mysql數(shù)據(jù)庫。

分析拉勾網(wǎng)

  首先我們打開拉勾網(wǎng)，打開控制臺，搜索java關鍵詞搜索職位，選取北京地區(qū)，然后查看network一欄中的數(shù)據(jù)分析，查看第一個，是不是感覺它很像我們要拿到的請求地址，事實上不是的，這個打開之后是一個html，如果我們訪問這個接口，拉鉤會返回給我們一個結果，提示我們操作太頻繁，也就是被攔截了。不過從這個頁面可以看到，拉鉤的網(wǎng)頁用到了模板，這種加載數(shù)據(jù)的方式更加快速（大幅度提升），建議大家可以嘗試使用一下（個人拙見）

不要氣餒，我們接著往下找，可以看到一個“positionAjax”開頭的請求，沒錯就它“ https://www.lagou.com/jobs/positionAjax.jsonpx=default&city=%E5%8C%97%E4%BA%AC&needAddtionalResult=false&isSchoolJob=0 ”，還是看圖說話吧

找到請求地址之后，我們就開始寫代碼了。

先是導入requests和pymysql，然后requests的post方法訪問上面找到的url，但是直接訪問這個地址是會被攔截的，因為我們缺少所要傳輸?shù)臄?shù)據(jù)，和設置請求頭，會被認為是非自然人請求的，加入請求頭和數(shù)據(jù)，

 headers = {'Referer':'https://www.lagou.com/jobs/list_'+position+'?city=%E5%8C%97%E4%BA%AC&cl=false&fromSearch=true&labelWords=&suginput=',    'Origin':'https://www.lagou.com',    'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36',
    'Accept':'application/json, text/javascript, */*; q=0.01',
    'Cookie':'JSESSIONID=ABAAABAAAGFABEFE8A2337F3BAF09DBCC0A8594ED74C6C0; user_trace_token=20180122215242-849e2a04-ff7b-11e7-a5c6-5254005c3644; LGUID=20180122215242-849e3549-ff7b-11e7-a5c6-5254005c3644; index_location_city=%E5%8C%97%E4%BA%AC; _gat=1; TG-TRACK-CODE=index_navigation; _gid=GA1.2.1188502030.1516629163; _ga=GA1.2.667506246.1516629163; LGSID=20180122215242-849e3278-ff7b-11e7-a5c6-5254005c3644; LGRID=20180122230310-5c6292b3-ff85-11e7-a5d5-5254005c3644; Hm_lvt_4233e74dff0ae5bd0a3d81c6ccf756e6=1516629163,1516629182; Hm_lpvt_4233e74dff0ae5bd0a3d81c6ccf756e6=1516633389; SEARCH_ID=8d3793ec834f4b0e8e680572b83eb968'
    }
 dates={'first':'true',
   'pn': page,#頁數(shù)
   'kd': position#搜索的職位
 }

加入請求頭之后就可以請求了，控制臺輸出數(shù)據(jù)，可以看出是一個json數(shù)據(jù)，使用json方法處理之后，一步步找到我們想要的數(shù)據(jù)，可以看出全在“result”里面，那么我們就只拿到他就行了，

result=resp.json()['content']['positionResult']['result']

這個時候可以看到數(shù)據(jù)非常多，有30個左右，不過不用擔心，都是英文單詞，基本上可以才出意思。接下來我們就要怕這些數(shù)據(jù)存儲到數(shù)據(jù)庫中，以備日后分析使用。

連接mysql我使用的是pymysql，先建好數(shù)據(jù)庫和數(shù)據(jù)表，然后在代碼中加入配置信息

config={
 "host":"127.0.0.1",
 "user":"root",
 "password":"",
 "database":databaseName,
 "charset":"utf8"#防止中文亂碼
}

加載配置文件，連接數(shù)據(jù)庫

db = pymysql.connect(**config)
cursor = db.cursor()
sql=""#insert語句
cursor.execute（）
db.commit() #提交數(shù)據(jù)
cursor.close()
db.close()#用完記得關閉連接

大功告成，這個時候拉鉤的職位信息已經靜靜地躺在了你的數(shù)據(jù)庫中，靜待你的寵幸，拿到這些數(shù)據(jù)，你就可以進行一些分析了，比如平均工資水平、職位技能要求等。

因為篇幅有限，有些代碼并沒有粘貼出來，比如sql語句（這個sql寫的挺長的），但是別擔心，樓主已經把這個程序放入到github上面了，大家可以自行下載，github地址：https://github.com/wudb1993/pythonDemo如果覺得不錯的話請在github上面點一下star，手打不易謝謝啦，歡迎大神拍磚。

總結

以上所述是小編給大家介紹的python爬取拉勾網(wǎng)職位數(shù)據(jù)的方法，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對億速云網(wǎng)站的支持！