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
  • 09 2019-04
    换IP快、性价比高的http代理

    目前http代理的使用比较广,是否可以推荐个换IP快、性价比高的http代理商家呢?换IP快,指的是更换IP的时候比较流畅比较快,还有一个点就是要看更换的这个IP质量怎么样,是不是响应速度也

  • 03 2019-04
    怎么搭建ip代理池生成ip使用?

    ip代理池是怎么搭建的?爬虫要想一直工作,少不了代理IP。若是任务重,可能一个代理IP商的IP数量满足不了需求,因此搭建IP代理池也就是自然的事情了。那么怎么搭建ip代理池生成ip使用?

  • 11 2019-05
    经常用的浏览器能换IP上网吗?

    经常用的浏览器能换IP上网吗?这当然是可以的,很多的软件都是支持更换IP地址,或者是使用代理上网的,浏览器也不例外,那么浏览器怎么换IP上网呢?

  • 17 2019-06
    高匿代理ip风险系数极低

    高匿代理ip风险系数极低,不同其他的代理ip,用着用着就被发现了,高匿代理ip拥有极高的匿名效果的,这点大家不必担心。

  • 08 2019-05
    爬虫代理常用于解决IP受限问题

    爬虫代理常用于解决IP受限问题,主要是由于网络爬虫请求过于频繁引起的,而且大部分的网站都是有限制的,相信很多朋友在爬虫工作者经常会遇到“您的请求太过频繁,请稍后再试”,这个

  • 07 2019-04
    不同的代理服务器作用有差别,http代理和socks代理

    对面ip限制,很多人都选择找代理使用,马上换ip访问,这样就不会被限制了。不然,等这ip解封,时间太久了。

在线客服
大客户VIP渠道
点击这里给我发消息
讨论QQ群
HTTP代理IP爬虫
客服电话
13318873961