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

  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。

  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

https://www.zhipin.com/wapi/zpcommon/data/city.json

postion.json的url为

https://www.zhipin.com/wapi/zpcommon/data/position.json

爬取城市代码

• 测试连接

  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：

  <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

  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

  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。

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。