Requests+正则表达式爬取猫眼TOP100榜电影信息

MARK：将信息写入文件解决乱码方法，开启进程池秒爬。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
import requests
from requests.exceptions import RequestException
import re
import json
from multiprocessing import Pool
 
 
def get_one_page(url):
    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.text
        return None
    except RequestException:
        return None
 
 
def parse_one_page(html):
    pattern = re.compile('<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name"><a'
                         + '.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
                         + '.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>', re.S)
    items = re.findall(pattern, html)
    for item in items:
        yield {
            '排行': item[0],
            '图片': item[1],
            '电影': item[2],
            '演员': item[3].strip()[3:],
            '上映信息': item[4].strip()[5:],
            '评分': item[5] + item[6]
        }
 
 
def write_to_file(content):
    with open('result.txt', 'a', encoding='utf-8') as f:
        f.write(json.dumps(content, ensure_ascii=False) + '\n')
 
 
def main(offset):
    url = 'http://maoyan.com/board/4?offset=' + str(offset)
    html = get_one_page(url)
    for item in parse_one_page(html):
        print(item)
        write_to_file(item)
 
 
if __name__ == '__main__':
    # for i in range(10):
    #   main(i*10)
    pool = Pool()  # 进程池 多进程
    pool.map(main, [i * 10 for i in range(10)])

Requests+正则表达式爬取校花网视频

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
import requests
import re
import os
 
 
def get_page(url):
    try:
        response = requests.get(url)
        response.raise_for_status()
        response.encoding = response.apparent_encoding
        return response.text
    except:
        print("爬取失败")
 
 
def get_url(html):
    pattern = re.compile('class="items".*?href="(.*?)"', re.S)
    urls = re.findall(pattern, html)
    for url in urls:
        if not url.startswith('http'):
            url = 'http://www.xiaohuar.com' + url
        yield url
 
 
def get_detail_url(detail_content):
    pattern = re.compile('id="media".*?src="(.*?)"', re.S)
    urls = re.findall(pattern, detail_content)
    for url in urls:
        if url:
            if url.endswith('.mp4'):
                yield url
 
 
def download(url):
    root = "D://movie2//"
    path = root + url.split('/')[-1]
    try:
        if not os.path.exists(root):
            os.mkdir(root)
        if not os.path.exists(path):
            response = requests.get(url)
            # with open(path, 'wb') as f:
            #     f.write(response.content)
 
            with open(path, 'wb') as f:
                for line in response.iter_content():
                    f.write(line)
                print("文件保存成功")
        else:
            print("文件已存在")
    except:
        print("下载失败")
 
 
def main(page_num):
    url = 'http://www.xiaohuar.com/list-3-{0}.html'.format(page_num)
    html = get_page(url)
    urls = get_url(html)
    for url in urls:
        detail_content = get_page(url)
        detail_urls = get_detail_url(detail_content)
        for detail_url in detail_urls:
            download(detail_url)
 
 
if __name__ == '__main__':
    for num in range(30):
        main(num)

Requests+PyQuery模拟登陆github

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import requests
from pyquery import PyQuery
 
LOGIN_URL = 'https://github.com/login'
SESSION_URL = 'https://github.com/session'
session = requests.session()
response = session.get(LOGIN_URL)
text = PyQuery(response.text)
authenticity_token = text('#login > form > div:nth-child(1) > input[type="hidden"]:nth-child(2)').attr('value')
data = {
    'commit': 'Sign in',
    'utf8': '✓',
    'authenticity_token': authenticity_token,
    'login': 'lcgsmile@qq.com',
    'password': 'lcg@pwd.'
}
response = session.post(SESSION_URL, data=data)
print(response.status_code)  # 200

分析Ajax请求并抓取今日头条街拍美图

配置文件config.py

1
2
3
4
5
6
7
MONGO_URL = 'localhost'
MONGO_DB = 'toutiao'
MONGO_TABLE = 'toutiao'
 
GROUP_START = 1
GROUP_END = 20
KEYWORD = '街拍'

主爬虫文件

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
import json
import os
from urllib.parse import urlencode
import pymongo
import requests
from bs4 import BeautifulSoup
from requests.exceptions import ConnectionError
import re
from multiprocessing import Pool
from hashlib import md5
from json.decoder import JSONDecodeError
from config import *
 
client = pymongo.MongoClient(MONGO_URL, connect=False)  # 多进程抓取connect=False
db = client[MONGO_DB]
 
 
def get_page_index(offset, keyword):
    """
    爬取索引页
    """
    data = {
        'autoload': 'true',
        'count': 20,
        'cur_tab': 3,
        'format': 'json',
        'keyword': keyword,
        'offset': offset,
    }
    params = urlencode(data)  # 将字典类型构造成url的请求参数
    base = 'http://www.toutiao.com/search_content/'
    url = base + '?' + params
    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.text
        return None
    except ConnectionError:
        print('Error occurred')
        return None
 
 
def download_image(url):
    """
    下载图片
    """
    print('Downloading', url)
    try:
        response = requests.get(url)
        if response.status_code == 200:
            save_image(response.content)
        return None
    except ConnectionError:
        return None
 
 
def save_image(content):
    """
    保存图片
    """
    file_path = '{0}/{1}.{2}'.format(os.getcwd(), md5(content).hexdigest(), 'jpg')
    # 用一个md5哈希生成的文件名防止重复
    print(file_path)
    if not os.path.exists(file_path):
        with open(file_path, 'wb') as f:
            f.write(content)
 
 
def parse_page_index(text):
    """
    解析数据
    """
    try:
        data = json.loads(text)  # json字符串转换成字典
        if data and 'data' in data.keys():
            for item in data.get('data'):
                yield item.get('article_url')
    except JSONDecodeError:
        pass
 
 
def get_page_detail(url):
    """
    请求详情页
    """
    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.text
        return None
    except ConnectionError:
        print('Error occurred')
        return None
 
 
def parse_page_detail(html, url):
    """
    解析详情页
    """
    soup = BeautifulSoup(html, 'lxml')
    result = soup.select('title')
    title = result[0].get_text() if result else ''
    images_pattern = re.compile('gallery: JSON.parse\("(.*)"\)', re.S)
    result = re.search(images_pattern, html)
    if result:
        data = json.loads(result.group(1).replace('\\', ''))
        if data and 'sub_images' in data.keys():
            sub_images = data.get('sub_images')
            images = [item.get('url') for item in sub_images]
            for image in images: download_image(image)
            return {
                'title': title,
                'url': url,
                'images': images
            }
 
 
def save_to_mongo(result):
    """
    将数据插入到MongoDB
    """
    if db[MONGO_TABLE].insert(result):
        print('Successfully Saved to Mongo', result)
        return True
    return False
 
 
def main(offset):
    text = get_page_index(offset, KEYWORD)
    urls = parse_page_index(text)
    for url in urls:
        html = get_page_detail(url)
        result = parse_page_detail(html, url)
        if result: save_to_mongo(result)
 
 
if __name__ == '__main__':
    pool = Pool()
    groups = ([x * 20 for x in range(GROUP_START, GROUP_END + 1)])
    pool.map(main, groups)
    pool.close()
    pool.join()

拉勾网自动投递简历

import requests

import re

# 1、============================================认证流程

session = requests.session()

# 第一步：

# 请求的URL：https://passport.lagou.com/login/login.html，

# 请求的方法GET，

# 请求头只包含User-agent

r1 = session.get('https://passport.lagou.com/login/login.html',

                 headers={

                     'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                 },

                 )

X_Anti_Forge_Token = re.findall("X_Anti_Forge_Token = '(.*?)'", r1.text, re.S)[0]

X_Anti_Forge_Code = re.findall("X_Anti_Forge_Code = '(.*?)'", r1.text, re.S)[0]

# print(X_Anti_Forge_Code)

# print(X_Anti_Forge_Token)

# 第二步：

# 1、请求的URL:https://passport.lagou.com/login/login.json,

# 2、请求方法POST，

# 3、请求头：

#   Referer:https://passport.lagou.com/login/login.html

#   User-Agent:

#   X-Anit-Forge-Code

#   X-Anit-Forge-Token

#   X-Requested-With

# 4、请求体：

# isValidate:true

# username:1111111111

# password:70621c64832c4d4d66a47be6150b4a8e #代表明文密码alex3714

session.post('https://passport.lagou.com/login/login.json',

             headers={

                 'Referer': 'https://passport.lagou.com/login/login.html',

                 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                 'X-Anit-Forge-Code': X_Anti_Forge_Code,

                 'X-Anit-Forge-Token': X_Anti_Forge_Token,

                 'X-Requested-With': 'XMLHttpRequest'

             },

             data={

                 'isValidate': True,

                 'username': '',

                 'password': '70621c64832c4d4d66a47be6150b4a8e'

             }

             )

# 第三：

# 1、请求的URL:https://passport.lagou.com/grantServiceTicket/grant.html,

# 2、请求方法GET，

# 3、请求头：

#   Referer:https://passport.lagou.com/login/login.html

#   User-Agent:

session.get('https://passport.lagou.com/grantServiceTicket/grant.html',

            headers={

                'Referer': 'https://passport.lagou.com/login/login.html',

                'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

            }

            )

# 验证

response = session.get('https://www.lagou.com/resume/myresume.html',

                       headers={

                           'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                       }

                       )

# print('18611453110' in response.text)

# 2、============================================爬取职位信息

# 1、请求的url：https://www.lagou.com/jobs/positionAjax.json

# 2、请求的方式：POST

#   请求参数：

#     gj:3年及以下

#     xl:不要求

#     jd:不需要融资

#     hy:移动互联网

#     px:default

#     yx:15k-25k

#     city:全国

# 3、请求头：

# User-Agent

# Referer:https://www.lagou.com/jobs/list_%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD

# X-Anit-Forge-Code:0

# X-Anit-Forge-Token:None

# X-Requested-With:XMLHttpRequest

# 4、请求体：

# first:true

# pn:1

# kd:python数据分析

from urllib.parse import urlencode

params = {'kw': 'python数据分析'}

res = urlencode(params).split('=')[-1]

url = 'https://www.lagou.com/jobs/list_' + res

# print(url)

response = session.post('https://www.lagou.com/jobs/positionAjax.json',

                        params={

                            # 'gj': '3年及以下',

                            # 'xl': '不要求',

                            # 'jd': '不需要融资',

                            # 'hy': '移动互联网',

                            'px': 'default',

                            'yx': '15k-25k',

                            'city': '北京',

                            'district': '海淀区',

                        },

                        headers={

                            'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                            'Referer': url,

                        })

# print(response.status_code)

result = response.json()['content']['positionResult']['result']

for comanpy_info in result:

    fullname = comanpy_info['companyFullName']

    emp_num = comanpy_info['companySize']

    salary = comanpy_info['salary']

    workyear = comanpy_info['workYear']

    positionName = comanpy_info['positionName']

    positionId = comanpy_info['positionId']

    detail_url = 'https://www.lagou.com/jobs/%s.html' % (positionId)

    print(detail_url)

    print(fullname)

    print(emp_num)

    print(salary)

    print(workyear)

    print(positionName)

    print(positionId)

    print()

    # 3、============================================爬取职位信息

    # 第一步：请求详情页：

    # 1、请求的detail_url：https://www.lagou.com/jobs/3984845.html

    # 2、请求的方式：GET

    # 3、请求头：

    #    User-Agent

    r1 = session.get(detail_url,

                     headers={

                         'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                     }

                     )

    X_Anti_Forge_Token = re.findall("X_Anti_Forge_Token = '(.*?)'", r1.text, re.S)[0]

    X_Anti_Forge_Code = re.findall("X_Anti_Forge_Code = '(.*?)'", r1.text, re.S)[0]

    # 第二步：投递简历

    # 1、请求的url：https://www.lagou.com/mycenterDelay/deliverResumeBeforce.json

    # 2、请求的方式：POST

    # 3、请求头：

    # User-Agent

    # Referer:detail_url

    # X-Anit-Forge-Code:31832262

    # X-Anit-Forge-Token:9ee8b4bc-7107-49a0-a205-cedd7e77c2d7

    # X-Requested-With:XMLHttpRequest

    # 4、请求体：

    # 'positionId':3984845

    # 'type':1

    # 'force':True

    session.post('https://www.lagou.com/mycenterDelay/deliverResumeBeforce.json',

                 headers={

                     'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                     'Referer': detail_url,

                     'X-Anit-Forge-Code': X_Anti_Forge_Code,

                     'X-Anit-Forge-Token': X_Anti_Forge_Token,

                     'X-Requested-With': 'XMLHttpRequest'

                 },

                 data={

                     'positionId': positionId,

                     'type': 1,

                     'force': True

                 }

                 )

    print('投递成功',detail_url)

lagou
import requests

import re

# 1、============================================认证流程

session = requests.session()

# 第一步：

# 请求的URL：https://passport.lagou.com/login/login.html，

# 请求的方法GET，

# 请求头只包含User-agent

r1 = session.get('https://passport.lagou.com/login/login.html',

                 headers={

                     'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                 },

                 )

X_Anti_Forge_Token = re.findall("X_Anti_Forge_Token = '(.*?)'", r1.text, re.S)[0]

X_Anti_Forge_Code = re.findall("X_Anti_Forge_Code = '(.*?)'", r1.text, re.S)[0]

# print(X_Anti_Forge_Code)

# print(X_Anti_Forge_Token)

# 第二步：

# 1、请求的URL:https://passport.lagou.com/login/login.json,

# 2、请求方法POST，

# 3、请求头：

#   Referer:https://passport.lagou.com/login/login.html

#   User-Agent:

#   X-Anit-Forge-Code

#   X-Anit-Forge-Token

#   X-Requested-With

# 4、请求体：

# isValidate:true

# username:1111111111

# password:70621c64832c4d4d66a47be6150b4a8e #代表明文密码alex3714

session.post('https://passport.lagou.com/login/login.json',

             headers={

                 'Referer': 'https://passport.lagou.com/login/login.html',

                 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                 'X-Anit-Forge-Code': X_Anti_Forge_Code,

                 'X-Anit-Forge-Token': X_Anti_Forge_Token,

                 'X-Requested-With': 'XMLHttpRequest'

             },

             data={

                 'isValidate': True,

                 'username': '18611453110',

                 'password': '70621c64832c4d4d66a47be6150b4a8e'

             }

             )

# 第三：

# 1、请求的URL:https://passport.lagou.com/grantServiceTicket/grant.html,

# 2、请求方法GET，

# 3、请求头：

#   Referer:https://passport.lagou.com/login/login.html

#   User-Agent:

session.get('https://passport.lagou.com/grantServiceTicket/grant.html',

            headers={

                'Referer': 'https://passport.lagou.com/login/login.html',

                'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

            }

            )

# 验证

response = session.get('https://www.lagou.com/resume/myresume.html',

                       headers={

                           'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                       }

                       )

# print('18611453110' in response.text)

# 2、============================================爬取职位信息

# 1、请求的url：https://www.lagou.com/jobs/positionAjax.json

# 2、请求的方式：POST

#   请求参数：

#     gj:3年及以下

#     xl:不要求

#     jd:不需要融资

#     hy:移动互联网

#     px:default

#     yx:15k-25k

#     city:全国

# 3、请求头：

# User-Agent

# Referer:https://www.lagou.com/jobs/list_%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD

# X-Anit-Forge-Code:0

# X-Anit-Forge-Token:None

# X-Requested-With:XMLHttpRequest

# 4、请求体：

# first:true

# pn:1

# kd:python数据分析

from urllib.parse import urlencode

params = {'kw': 'python数据分析'}

res = urlencode(params).split('=')[-1]

url = 'https://www.lagou.com/jobs/list_' + res

# print(url)

response = session.post('https://www.lagou.com/jobs/positionAjax.json',

                        params={

                            # 'gj': '3年及以下',

                            # 'xl': '不要求',

                            # 'jd': '不需要融资',

                            # 'hy': '移动互联网',

                            'px': 'default',

                            'yx': '15k-25k',

                            'city': '北京',

                            'district': '海淀区',

                        },

                        headers={

                            'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                            'Referer': url,

                        })

# print(response.status_code)

result = response.json()['content']['positionResult']['result']

for comanpy_info in result:

    fullname = comanpy_info['companyFullName']

    emp_num = comanpy_info['companySize']

    salary = comanpy_info['salary']

    workyear = comanpy_info['workYear']

    positionName = comanpy_info['positionName']

    positionId = comanpy_info['positionId']

    detail_url = 'https://www.lagou.com/jobs/%s.html' % (positionId)

    print(detail_url)

    print(fullname)

    print(emp_num)

    print(salary)

    print(workyear)

    print(positionName)

    print(positionId)

    print()

    # 3、============================================爬取职位信息

    # 第一步：请求详情页：

    # 1、请求的detail_url：https://www.lagou.com/jobs/3984845.html

    # 2、请求的方式：GET

    # 3、请求头：

    #    User-Agent

    r1 = session.get(detail_url,

                     headers={

                         'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                     }

                     )

    X_Anti_Forge_Token = re.findall("X_Anti_Forge_Token = '(.*?)'", r1.text, re.S)[0]

    X_Anti_Forge_Code = re.findall("X_Anti_Forge_Code = '(.*?)'", r1.text, re.S)[0]

    # 第二步：投递简历

    # 1、请求的url：https://www.lagou.com/mycenterDelay/deliverResumeBeforce.json

    # 2、请求的方式：POST

    # 3、请求头：

    # User-Agent

    # Referer:detail_url

    # X-Anit-Forge-Code:31832262

    # X-Anit-Forge-Token:9ee8b4bc-7107-49a0-a205-cedd7e77c2d7

    # X-Requested-With:XMLHttpRequest

    # 4、请求体：

    # 'positionId':3984845

    # 'type':1

    # 'force':True

    session.post('https://www.lagou.com/mycenterDelay/deliverResumeBeforce.json',

                 headers={

                     'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                     'Referer': detail_url,

                     'X-Anit-Forge-Code': X_Anti_Forge_Code,

                     'X-Anit-Forge-Token': X_Anti_Forge_Token,

                     'X-Requested-With': 'XMLHttpRequest'

                 },

                 data={

                     'positionId': positionId,

                     'type': 1,

                     'force': True

                 }

                 )

    print('投递成功',detail_url)
import requests

import re

# 1、============================================认证流程

session = requests.session()

# 第一步：

# 请求的URL：https://passport.lagou.com/login/login.html，

# 请求的方法GET，

# 请求头只包含User-agent

r1 = session.get('https://passport.lagou.com/login/login.html',

                 headers={

                     'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                 },

                 )

X_Anti_Forge_Token = re.findall("X_Anti_Forge_Token = '(.*?)'", r1.text, re.S)[0]

X_Anti_Forge_Code = re.findall("X_Anti_Forge_Code = '(.*?)'", r1.text, re.S)[0]

# print(X_Anti_Forge_Code)

# print(X_Anti_Forge_Token)

# 第二步：

# 1、请求的URL:https://passport.lagou.com/login/login.json,

# 2、请求方法POST，

# 3、请求头：

#   Referer:https://passport.lagou.com/login/login.html

#   User-Agent:

#   X-Anit-Forge-Code

#   X-Anit-Forge-Token

#   X-Requested-With

# 4、请求体：

# isValidate:true

# username:1111111111

# password:70621c64832c4d4d66a47be6150b4a8e #代表明文密码alex3714

session.post('https://passport.lagou.com/login/login.json',

             headers={

                 'Referer': 'https://passport.lagou.com/login/login.html',

                 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                 'X-Anit-Forge-Code': X_Anti_Forge_Code,

                 'X-Anit-Forge-Token': X_Anti_Forge_Token,

                 'X-Requested-With': 'XMLHttpRequest'

             },

             data={

                 'isValidate': True,

                 'username': '',

                 'password': '70621c64832c4d4d66a47be6150b4a8e'

             }

             )

# 第三：

# 1、请求的URL:https://passport.lagou.com/grantServiceTicket/grant.html,

# 2、请求方法GET，

# 3、请求头：

#   Referer:https://passport.lagou.com/login/login.html

#   User-Agent:

session.get('https://passport.lagou.com/grantServiceTicket/grant.html',

            headers={

                'Referer': 'https://passport.lagou.com/login/login.html',

                'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

            }

            )

# 验证

response = session.get('https://www.lagou.com/resume/myresume.html',

                       headers={

                           'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                       }

                       )

# print('18611453110' in response.text)

# 2、============================================爬取职位信息

# 1、请求的url：https://www.lagou.com/jobs/positionAjax.json

# 2、请求的方式：POST

#   请求参数：

#     gj:3年及以下

#     xl:不要求

#     jd:不需要融资

#     hy:移动互联网

#     px:default

#     yx:15k-25k

#     city:全国

# 3、请求头：

# User-Agent

# Referer:https://www.lagou.com/jobs/list_%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD

# X-Anit-Forge-Code:0

# X-Anit-Forge-Token:None

# X-Requested-With:XMLHttpRequest

# 4、请求体：

# first:true

# pn:1

# kd:python数据分析

from urllib.parse import urlencode

params = {'kw': 'python数据分析'}

res = urlencode(params).split('=')[-1]

url = 'https://www.lagou.com/jobs/list_' + res

# print(url)

response = session.post('https://www.lagou.com/jobs/positionAjax.json',

                        params={

                            # 'gj': '3年及以下',

                            # 'xl': '不要求',

                            # 'jd': '不需要融资',

                            # 'hy': '移动互联网',

                            'px': 'default',

                            'yx': '15k-25k',

                            'city': '北京',

                            'district': '海淀区',

                        },

                        headers={

                            'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                            'Referer': url,

                        })

# print(response.status_code)

result = response.json()['content']['positionResult']['result']

for comanpy_info in result:

    fullname = comanpy_info['companyFullName']

    emp_num = comanpy_info['companySize']

    salary = comanpy_info['salary']

    workyear = comanpy_info['workYear']

    positionName = comanpy_info['positionName']

    positionId = comanpy_info['positionId']

    detail_url = 'https://www.lagou.com/jobs/%s.html' % (positionId)

    print(detail_url)

    print(fullname)

    print(emp_num)

    print(salary)

    print(workyear)

    print(positionName)

    print(positionId)

    print()

    # 3、============================================爬取职位信息

    # 第一步：请求详情页：

    # 1、请求的detail_url：https://www.lagou.com/jobs/3984845.html

    # 2、请求的方式：GET

    # 3、请求头：

    #    User-Agent

    r1 = session.get(detail_url,

                     headers={

                         'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                     }

                     )

    X_Anti_Forge_Token = re.findall("X_Anti_Forge_Token = '(.*?)'", r1.text, re.S)[0]

    X_Anti_Forge_Code = re.findall("X_Anti_Forge_Code = '(.*?)'", r1.text, re.S)[0]

    # 第二步：投递简历

    # 1、请求的url：https://www.lagou.com/mycenterDelay/deliverResumeBeforce.json

    # 2、请求的方式：POST

    # 3、请求头：

    # User-Agent

    # Referer:detail_url

    # X-Anit-Forge-Code:31832262

    # X-Anit-Forge-Token:9ee8b4bc-7107-49a0-a205-cedd7e77c2d7

    # X-Requested-With:XMLHttpRequest

    # 4、请求体：

    # 'positionId':3984845

    # 'type':1

    # 'force':True

    session.post('https://www.lagou.com/mycenterDelay/deliverResumeBeforce.json',

                 headers={

                     'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

                     'Referer': detail_url,

                     'X-Anit-Forge-Code': X_Anti_Forge_Code,

                     'X-Anit-Forge-Token': X_Anti_Forge_Token,

                     'X-Requested-With': 'XMLHttpRequest'

                 },

                 data={

                     'positionId': positionId,

                     'type': 1,

                     'force': True

                 }

                 )

    print('投递成功',detail_url)

lagou

爬虫（猫眼电影+校花网+github+今日头条+拉钩）的更多相关文章

  1. Python-爬取校花网视频(单线程和多线程版本)

    一.参考文章 python爬虫爬取校花网视频,单线程爬取 爬虫----爬取校花网视频,包含多线程版本 上述两篇文章都是对校花网视频的爬取,由于时间相隔很久了,校花网上的一些视频已经不存在了,因此上述文 ...

  2. Python 爬虫 爬校花网！！

    爬虫:是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本 1.福利来了  校花网 ,首先说为什么要爬这个网站呢,第一这个网站简单爬起来容易不会受到打击,第二呢 你懂得... 1.第一步,需要下载 ...

  3. python爬虫基础应用----爬取校花网视频

    一.爬虫简单介绍 爬虫是什么? 爬虫是首先使用模拟浏览器访问网站获取数据,然后通过解析过滤获得有价值的信息,最后保存到到自己库中的程序. 爬虫程序包括哪些模块? python中的爬虫程序主要包括,re ...

  4. Python之爬虫-校花网

    Python之爬虫-校花网 #!/usr/bin/env python # -*- coding:utf-8 -*- import re import requests # 拿到校花网主页的内容 re ...

  5. Python 爬虫 校花网

    爬虫:是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本. 福利来了  校花网 ,首先说为什么要爬这个网站呢,第一这个网站简单爬起来容易,不会受到打击,第二呢 你懂得.... 1.第一步,需要下 ...

  6. Go语言实战-爬取校花网图片

    一.目标网站分析 爬取校花网http://www.xiaohuar.com/大学校花所有图片. 经过分析,所有图片分为四个页面,http://www.xiaohuar.com/list-1-0.htm ...

  7. day1之校花网小试牛刀

    一 利用生成器来完成爬去校花网视频 import requests import re import os import hashlib import time DOWLOAD_PATH=r'D:\D ...

  8. Python之爬虫-猫眼电影

    Python之爬虫-猫眼电影 #!/usr/bin/env python # coding: utf-8 import json import requests import re import ti ...

  9. python实战项目 — 爬取 校花网图片

    重点: 1.  指定路径创建文件夹,判断是否存在 2. 保存图片文件 # 获得校花网的地址,图片的链接 import re import requests import time import os ...

随机推荐

  1. python,小练习（计算两点之间直线长度）

    #首先引入数学函数 import math #创建一个点的类 class Point(): #初始化点的坐标(x,y) def __init__(self,x=0,y=0): self.x = x s ...

  2. 第五节，损失函数：MSE和交叉熵

    损失函数用于描述模型预测值与真实值的差距大小,一般有两种比较常见的算法——均值平方差(MSE)和交叉熵. 1.均值平方差(MSE):指参数估计值与参数真实值之差平方的期望值. 在神经网络计算时,预测值 ...

  3. go语言中的运算符^，&

    一.^运算符 1.作为二元运算符 ^作二元运算符就是异或,包括符号位在内,相同为0,不相同为1 规则:1^1 =0, 0^0=0,1^0=1,0^1=1 事例: (1)0001 0100 ^ 0000 ...

  4. webstorm的快捷键总结

    ctrl+shift+f 可以在项目和模块中的文件中查找特定字符串 shift键连续敲一下,可以在项目和模块中查找特定的文件 ctrl+d  复制当前行并粘贴到下一行 ctrl+shift+上下方向键 ...

  5. 64位进程调用32位dll的解决方法 / 程序64位化带来的问题和思考

    最近做在Windows XP X64,VS2005环境下做32位程序编译为64位程序的工作,遇到了一些64位编程中可能遇到的问题:如内联汇编(解决方法改为C/C++代码),long类型的变化,最关键的 ...

  6. 51nod--1459 迷宫游戏 （dijkstra）

    1459 迷宫游戏 基准时间限制:1 秒 空间限制:131072 KB 分值: 0 难度:基础题 收藏 关注 你来到一个迷宫前.该迷宫由若干个房间组成,每个房间都有一个得分,第一次进入这个房间,你就可 ...

  7. 【原创】大数据基础之Logstash（1）简介、安装、使用

    Logstash 6.6.2 官方:https://www.elastic.co/products/logstash 一 简介 Centralize, Transform & Stash Yo ...

  8. C# 如何获取自定义的config中节点的值，并修改节点的值

    现定义一个方法 DIYConfigHelper.cs using System; using System.Xml; using System.Configuration; using System. ...

  9. js——事件冒泡与捕获小例子

    布局代码 #outer{ width: 300px; height: 300px; background: red; } #inner{ width: 200px; height: 200px; ba ...

  10. 在Amazon FreeRTOS V10中使用运行时统计信息

    在MCU on Eclipse网站上看到Erich Styger在8月2日发的博文,一篇关于在Amazon FreeRTOS V10中使用运行时统计信息的文章,本人觉得很有启发,特将其翻译过来以备参考 ...