区块链招聘信息爬取与分析

最新推荐文章于 2024-04-13 00:08:12 发布

「已注销」

最新推荐文章于 2024-04-13 00:08:12 发布

阅读量479

点赞数

分类专栏：戎码半生的精选集文章标签：区块链招聘爬虫

本文链接：https://blog.csdn.net/baidu_26118459/article/details/80138818

版权

本文讲述了作者在拉勾网上爬取450条区块链招聘信息的过程，包括遇到的反爬虫策略，如登录验证和访问限制，以及如何尝试解决这些问题。还对爬取结果进行了初步分析，如公司规模、城市分布、发展阶段和薪资范围，但提到数据可视化和关键词提取的效果不佳。最后，作者反思了自己的不足，包括反爬虫技巧、数据处理和代码编写能力的提升空间。

摘要由CSDN通过智能技术生成

最近在研究区块链，闲来无事抓取了拉勾网上450条区块链相关的招聘信息。过程及结果如下。

拉勾网爬取

首先是从拉勾网爬取数据，用的requests库。拉勾网的反爬虫做的还是比较好的，毕竟自己也知道这种做招聘信息聚合的网站很容易被爬，而且比起妹子图这种网站，开发的技术水平应该高不少。
一开始爬取几个数据后就会跳转到登陆页面，当时采用的应对策略是：当跳转到登陆页面的时候，就挂起20s，再重新请求一次，发现一般挂起一段时间之后就又可以访问了。这样的问题是比较慢，450条信息花了几十分钟。

后来，我天真地认为：只要登陆了就可以不用挂起等待这么久。于是，添加了模拟登陆地逻辑，主要参考地这篇文章：python – 拉勾网爬虫模拟登录 - CSDN博客。拉勾网对密码做了两次md5加密，并会下发动态地Token口令，防止低级地伪造请求，需要仔细分析登陆界面加载的JS文件才能成功登陆，拿到Cookie。想起当年模拟登陆教务处，学号密码都是明文传输，我直接用F12工具能看到。。。成功拿到Cookie后发现，访问过快时又会跳转到首页，并弹出一个“切换城市”的悬浮窗，更准确地说是我的请求被重定向了。