收藏 400-998-9776 转2 服务时间 周一至周日 9:00-23:00 注意:本站不提供境外服务
您的位置:首页 >文章内容
网站限制爬取薪资信息,代理IP来助阵
来源:互联网 作者:admin 时间:2019-03-26 18:00:00

  换工作需要知道该岗位目前市场薪资信息,企业招聘也需要知道各岗位当前薪资福利情况,这些情况是怎么分析出来的呢?这就要用到大数据了,抓取大量的信息,无疑是使用爬取的方法最快的。


  但是呢,网站限制爬取薪资信息,面对这种情况可以使用代理IP来助阵的,就像智连代理的使用,方便快捷。


  实战演练:通过Python来编写一个拉勾网薪资调查的小爬虫。


  1.分析网页


  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。


  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.发送请求


  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。


网站限制爬取薪资信息,代理IP来助阵


  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.抓取数据


  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。


网站限制爬取薪资信息,代理IP来助阵


  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。


网站限制爬取薪资信息,代理IP来助阵


  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。


网站限制爬取薪资信息,代理IP来助阵


  通过实战,并借用代理IP,很容易就能获取到薪资信息,可以进行数据的分析之后,拿到当前的岗位薪资信息的,这样可以帮助我们快速了解岗位的市场行情噢。


推荐阅读
  • 16 2019-06
    用换IP工具极速帮电脑换ip地址

    用换IP工具极速帮电脑换ip地址,这样做营销更有效果的。比如:淘宝属于最早开始的大面积的网络营销,在淘宝之后,这几年网络营销行业发展越来越壮大。但是最近几年兴起的网络营销行业

  • 18 2019-12
    怎么选择ip代理套餐?你需要了解这些ip知识

    平时不关注互联网ip分类不知道,但是当我们需要在代理ip服务商购买ip套餐的时候,看到那么多的ip类型,真是让人感到头痛,不知道该选择什么样子的ip类型才是最合适的ip代理方式。

  • 11 2020-02
    性价比换ip软件要比免费ip更好

    市面上有不少免费代理ip,很多用户都会被免费给吸引了,但是这些免费之下,其实质量上是非常不好的。首先,我们要先知道换ip的操作是怎么实现的,才能明白为什么免费的用起来那么不稳

  • 11 2019-10
    爬虫代理ip​怎么获取?

    爬虫代理ip​怎么获取?通常情况下,当数据抓取时,数据量相对较大,单个爬虫的速度太慢,使用爬虫是为了捕获多个爬虫,此时需要使用IP代理,使用多个动态IP来捕获可以提高爬虫的效率,

  • 18 2019-07
    扫描公网代理与独享ip代理质量区别

    扫描公网代理与独享ip代理质量区别,许多人都不知道ip代理与ip代理之间是有区别的,因为其ip资源来源不同。如果你的ip代理经常用着就不行了,那么你就要看看你使用的是否是扫描公网代理

  • 08 2019-05
    换IP用免费IP代理容易受牵连

    换IP用免费IP代理容易受牵连,不过由于是免费的,还是很多人使用的,就是效果不好,然后再慢慢换成付费IP代理使用的。