python爬虫入门_踩过的坑 No1

　　爬取网站:阿里巴巴招聘　使用python3.6    urllib  正则

需求:爬取指定工作地点的岗位名称.

import json
from urllib import request

headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36",
}
# 刚开始的url是 url=https://job.alibaba.com/zhaopin/positionList.htm?keyWord=cHl0aG9u&_input_charset=UTF-8&
for i in range(10):
    url = "https://job.alibaba.com/zhaopin/socialPositionList/doList.json?pageSize=%d" % (i)
    # 获取 html 页面
    req = request.Request(url, headers=headers)
    response = request.urlopen(req)
    content = response.read().decode('utf-8')  # read 读取所有内容  decode 解码
    # 获取的时json数据
    data = json.loads(content)  # 装换成字典
    # print(data)

    datas = data.get('returnValue')
    data_list = datas['datas']  # 拿到字典

    for data_job in data_list:
        # print(data_list)
        job = data_job['name']
        print(job)

 

 

• 爬虫是入门级别的, 非常简单. 但是在爬的过程中也遇到了些问题:

1> 刚开始爬取的url是直接复制的 浏览器url输入框里面的url, 后来发现这个url爬取的html页面没有我想要爬取的信息.

2> 查资料发现 我需要爬取的信息是 Ajax 动态生成的. 需要爬取的是 动态生成的Ajax页面. 

3> 最后通过抓包工具拿到了这个 Ajax动态生成的 json 页面.成功的抓取到了想要的信息.

 

非常简单的爬虫小案例, 写下来主要是想记录自己踩过的小坑!  大神请忽略.

转载于:https://www.cnblogs.com/longpy/p/11130206.html