您的位置:首页 > 新闻资讯 >文章内容
爬虫借用代理IP获取到薪资信息
来源:互联网 作者:admin 时间:2019-04-28 10:41:09

  爬虫借用代理IP获取到薪资信息,为什么要这么麻烦呢?这是因为这些数据,网站并不想随便给你爬取,但如果你想知道一个比较准的结果,那么收集大量信息再分析,这结果无疑是更加的准确。


  而且,面对网站限制爬取薪资信息这种情况,我们可以使用代理IP来助阵的,就像机灵代理的使用,方便快捷。下面就来看看Python爬虫去拉勾网爬取薪资的过程。


  1.网页分析


  我们在查看拉勾网上的招聘信息的时候,搜索Python,或者是PHP等等的岗位信息,其实是向服务器发出相应请求,由服务器动态的响应请求,将我们所需要的内容通过浏览器解析,呈现在我们的面前。可以看到我们发出的请求当中,FormData中的kd参数,就代表着向服务器请求关键词为Python的招聘信息。


爬虫借用代理IP获取到薪资信息


  分析比较复杂的页面请求与响应信息,推荐使用Fiddler,对于分析网站来说绝对是一大杀器。不过比较简单的响应请求用浏览器自带的开发者工具就可以,比如像火狐的FireBug等等,只要轻轻一按F12,所有的请求的信息都会事无巨细的展现在你面前。


  经由分析网站的请求与响应过程可知,拉勾网的招聘信息都是由XHR动态传递的。我们发现,以POST方式发出的请求有两个,分别是companyAjax.json和positionAjax.json,它们分别控制当前显示的页面和页面中包含的招聘信息。


  可以看到,我们所需要的信息包含在positionAjax.json的Content->result当中,其中还包含了一些其他参数信息,包括总页面数(totalPageCount),总招聘登记数(totalCount)等相关信息。


  2.请求方式


  知道我们所要抓取的信息在哪里是最为首要的,知道信息位置之后,接下来我们就要考虑如何通过Python来模拟浏览器,获取这些我们所需要的信息。


  其中比较关键的步骤在于如何仿照浏览器的Post方式,来包装我们自己的请求。request包含的参数包括所要抓取的网页url,以及用于伪装的headers。urlopen中的data参数包括FormData的三个参数(first、pn、kd)。包装完毕之后,就可以像浏览器一样访问拉勾网,并获得页面数据了。


  3.抓取方式


  获得页面信息之后,我们就可以开始爬虫数据中最主要的步骤:抓取数据。


  抓取数据的方式有很多,像正则表达式re,lxml的etree,json,以及bs4的BeautifulSoup都是python3抓取数据的适用方法。大家可以根据实际情况,使用其中一个,又或多个结合使用。


  4.信息存储


  获得原始数据之后,为了进一步的整理与分析,我们有结构有组织的将抓取到的数据存储到excel中,方便进行数据的可视化处理。


  这是使用xlsxwriter存储的数据,没有问题,可以正常使用。到从为止,一个抓取拉勾网招聘信息的小爬虫就诞生了。


  如果爬虫借用代理IP获取到薪资信息,过程会简单快捷很多,不然一直被限制住,慢慢爬也不知道何年何月才能拿到结果了。


相关文章内容简介
推荐阅读
  • 21 2020-10
    如何伪装自己的ip地址

    随着互联网的普及,人们每天都在和网络打交道。我们都知道,上网是需要使用IP地址的否则无法上网,即使是使用无线网络,也是需要分配IP地址才能连接上网的。若是你有留意连接WiFi的情况

  • 02 2020-12
    使用代理IP的一些好处

    一般使用web浏览器直接连接其他互联网站点获取网络信息时,需要发送一个Request获取目标服务器的响应,然后对方以bit模式发回信息。

  • 11 2020-08
    什么是免费ip代理软件

    在找免费ip代理软件的时候,网页上会出现免费代理服务商跟付费代理服务商,二者的区别仅仅是免费与付费吗?当然,远远不止,不然大家都可以用免费ip代理软件了,不需要付费代理的存在了

  • 17 2020-09
    代理IPV4与IPV6的区别

    很多人购买代理IP很多时候是为了拥有大量的可更换的IP来应对自身所需求的业务,但是好多人还是对IP还只是处于一知半解,或者压根就是不求甚解,得过且过不深入了解,不深入学习。导致后

  • 09 2019-07
    专业的http代理用途有什么不同

    专业的http代理用途有什么不同?如果你对http代理不太了解,可以跟着小编来看看专业的http代理用途,我们平常是如何使用http代理的。

  • 13 2019-04
    用了IP代理怎么无效,还是访问不了?

    用了IP代理怎么无效,还是访问不了?每当我们遇到这种情况,一般是怎么处理的呢?原因都有哪些?对于这个问题,大家的看法并不一样,很多人都偏向于IP代理商的问题,认为这些IP代理质量

在线咨询
大客户经理
大客户经理
1829380381
13316264505

大客户经理微信

微信公众号

微信公众号

回到顶部