拉钩网有很强的防爬虫机制我们需要做些处理https://www.lagou.com
我选择怕取得是:https://www.lagou.com/jobs/list_python
结果出错不是我想要的结果:
网页结构
爬虫结果:
不是想要的这说明有反爬虫机制
需要把请求头加上,模拟浏览器访问:
我们将hears加入请求
运行结果:
我想要爬取职位列表,这时发现职位列表是ajax请求
可以直接找到请求的ajax的地址改变请求的url:https://www.lagou.com/jobs/positionAjax.json?needAddtionalResult=false
我直接改变url执行:
运行结果:
好像成功了,但是不然网页上有python开发工程师
但是在我爬虫结果中没有,说明不是我想要的结果,这是因为拉钩做的反爬虫机制,我用get请求,拉钩有的是post请求,
改用post请求我们需要加入:
修改代码为:
运行结果为:
发现是想要的结果。想要做很好的爬虫需要了解请求hears的内容模拟浏览器。
爬虫之二:https://blog.youkuaiyun.com/qq_35723619/article/details/83176329