用python爬了上千万条招聘信息后，最终分析出python要学这些才能就业...
话说年末了，有工作的要考虑明年跳槽，没工作的要考虑明年找工作，那么都想好怎么搞了吗？
不知道怎么了解？没事，来，我们用python一键查看并分析！
1、使用的软件
python 3.8
pycharm 2021专业版 激活码
2、使用的内置模块
pprint >>> # 格式化输入模块 csv >>> # 保存csv文件 re >>> # re 正则表达式 time >>> # 时间模块
3、要安装的第三方模块
requests >>> # 数据请求模块
win + R 输入cmd 输入安装命令 pip install 模块名 ，如果出现爆红， 可能是因为网络连接超时，切换国内镜像源即可。
爬虫就是模拟浏览器，对于服务器发送请求，得到它返回响应的数据。
数据来源分析
首先确定目标，分析数据内容，可以从什么地方获取。
数据是通过哪个url地址发送什么请求方式，携带了那些请求头，然后得到数据（通过开发者工具进行抓包分析）
我们分析数据，是分析服务器返回数据，而不是元素面板，elements 是元素面板，前端代码渲染之后的内容。
代码实现步骤
- 发送请求，对于我们刚刚分析的到url(数据包)地址发送请求，post请求，请求参数， header请求头；
- 获取数据，获取响应体的数据内容，服务器返回的数据；
- 解析数据，提取我们想要的内容，根据返回的数据，选择对应最适合的解析方式去提取数据；
- 保存数据，保存本地数据库/文本/表格数据；
- 多页爬取；
# 我还给大家准备了这些资料，直接在群里就可以免费领取了。 # 一群：872937351 （群满了的话加二群） # 二群：924040232 # python学习路线汇总 # 精品Python学习书籍100本 # Python入门视频合集 # Python实战案例 # Python面试题 # Python相关软件工具/pycharm永久激活
兄弟们，最最最喜欢的环节到了，上代码。
import requests # 数据请求模块 import pprint # 格式化输入模块 import csv # 保存csv文件 import time # 时间模块 # 打开文件 等会进行保存 mode 是保存方式 a 追加写入 f = open('拉勾.csv', mode='a', encoding='utf-8', newline='') csv_writer = csv.DictWriter(f, fieldnames=[ '标题', '公司名字', '城市', '薪资', '经验', '学历', '详情页', ]) csv_writer.writeheader() # 写入表头 for page in range(1, 11): # 1. 发送请求 字符串格式化输出 {}占位符 print(f'===================正在爬取第{page}页的数据内容===================') time.sleep(2) # 延时2秒钟 url = 'https://www.lagou.com/jobs/v2/positionAjax.json' # 确定请求的url地址 # headers 请求头 爬虫就是模拟浏览器 对于服务器发送请求, 得到他返回响应数据 # headers 作用 伪装python代码的 把python代码伪装成浏览器 去发送请求 简单反爬一种手段 # user-agent 用户代理 浏览器的身份标识 headers = { 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.93 Safari/537.36' } # data 请求参数, post请求 需要传递一个from data表单数据 # pycharm使用的小技巧一: 快速批量替换 选中 ctrl + R 输入正则表达式匹配规则 # pycharm使用的小技巧二: 翻译插件 可以去安装 data = { 'first': 'true', 'needAddtionalResult': 'false', 'city': '全国', 'px': 'new', 'pn': page, 'fromSearch': 'true', 'kd': 'python', } # 通过requests这个模块里面post请求方法 对于url地址发送请求, 并且给传递一个data请求参数, headers 请求头, 最后response变量接收 response = requests.post(url=url, data=data, headers=headers) # <Response [200]> 放回的结果 response 对象 200 状态码 表示请求成功 # 2. 获取数据 response.json() 获取json字典数据 response.text 获取文本数据(字符串数据) response.content 二进制数据 # print(response.text) # pprint.pprint(response.json()) # 3. 解析数据 字典数据类型, 解析数据 提取内容 可以根据键值对取值 根据冒号左边的内容, 提取冒号右边的内容 # 根据冒号左边的内容, 提取冒号右边的内容 result = response.json()['content']['positionResult']['result'] # pprint.pprint(result) for index in result: # for循环 遍历 提取列表里面每一个元素 title = index['positionName'] # 标题 company_name = index['companyFullName'] # 公司名字 city = index['city'] # 城市 money = index['salary'] # 薪资 workYear = index['workYear'] # 经验 edu = index['education'] # 学历 href = f'https://www.lagou.com/wn/jobs/{index["positionId"]}.html' # json.loads() 字符串数据转字典 dit = { '标题': title, '公司名字': company_name, '城市': city, '薪资': money, '经验': workYear, '学历': edu, '详情页': href, } csv_writer.writerow(dit) print(dit)
兄弟们觉得还行的话，记得三连哈~
