Python 爬取腾讯招聘职位详情 2019/12/4有效

我爬取的是Python相关职位，先po上代码，（PS：本人小白，这是跟着B站教学视频学习后，老师留的作业，因为腾讯招聘的网站变动比较大，老师的代码已经无法运行，所以po上），一些想法和过程在后面。

from lxml import etree
import requests

HEADERS = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36.36',
    'Cookie': '__ga=GA1.2.212176558.1568885824; pgv_pvi=2298593280; _gcl_au=1.1.1370638257.1568885828; loading=agree',
    'Referer': 'https://careers.tencent.com/search.html?keyword=python',
    'Authority': 'careers.tencent.com',
    "Dnt": "1"
}


#通过传入的indexNum获取Dict
def GetJsonByIndexUrl(indexNum):
    base_url = "https://careers.tencent.com/tencentcareer/api/post/Query?timestamp=1575374831812&countryId=&cityId" \
               "=&bgIds=&productId=&categoryId=&parentCategoryId=&attrId=&keyword=python&pageIndex={" \
               "}&pageSize=10&language=zh-cn&area=cn"
    url = base_url.format(indexNum)  # 传入indexNum的值，构造出完整的indexURL
    response = requests.get(url, headers=HEADERS)
    postDict = response.json()
    return postDict

#通过获取的Dict取得每个职位的Id
def GetPostIdByDict(postDict):
    postIds = []
    data = postDict["Data"]
    posts = data["Posts"]
    for post in posts:
        postId = post["PostId"]
        postIds.append(postId)
    return postIds

#取得Id后，再获取职位详情内容
# post_url="https://careers.tencent.com/jobdesc.html?postId="这是详情页面，但是数据也是在json里面，所以直接获取json内容，
# 也就是下面的detail_url
def GetDetailByPostId(postIds):
    detail_url = "https://careers.tencent.com/tencentcareer/api/post/ByPostId?timestamp=1575389747280&postId={}&language=zh-cn"
    for id in postIds:
        detail_url_byId = detail_url.format(id)
        rsp = requests.get(detail_url_byId)
        detailData = rsp.json()
        print(detailData["Data"])


if __name__ == '__main__':
    for x in range(1, 11):  # 获取前10页的信息
        mydict = GetJsonByIndexUrl(x)
        postIds = GetPostIdByDict(mydict)
        print("第", x, "页", "*" * 20)
        GetDetailByPostId(postIds)
        print("*" * 20)

一些想法和过程：

①一开始做的时候，发现职位的List不在当前页面，所以爬取这个无法获取信息，于是查看NetWork发现一个路径才是列表信息，

我命名为base_url，通过requests.get可以获得此List中的postId。

②点开一个职位的详情页面，发现其实详情内容也不在当前页面，内容又是一个新的路径，我命名为detail_url，通过requests.get，

其实就可以获得想得到的信息了。