【爬虫】继java爬取实习僧职位后的python版本

python版,多线程,爬取了具体职位,使用mongodb存储!

#-*-coding:utf-8-*-
import requests
from pyquery import PyQuery as pq
import json
from threading import Thread
import pymongo

client=pymongo.MongoClient(host="localhost",port=27017)

db=client.shixisheng
coll=db.java

headers={
    "User-Agent":"Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:61.0) Gecko/20100101 Firefox/61.0"
}
#key=quote(input())
key="java"
def joblist(i):
    r=requests.get("https://androidapi.shixiseng.com/app/interns/search?k="+key+"&c=%E5%85%A8%E5%9B%BD&s=-0&d=&page="+str(i)+"&m=&x=&z=&st=intern&ft=&t=zj",headers=headers)
    json_str=r.text.encode('utf-8').decode('unicode_escape')
    #print(json_str)
    res = json.loads(json_str)
    print("======="+"第"+str(i)+"次"+"joblist-code:"+str(res["code"])+"======")
    for msg in res["msg"]:
        if msg==[]:
            break
        uuid=msg["uuid"];
        minsal=msg["minsal"]
        maxsal=msg["maxsal"]
        city=msg["city"]
        url=msg["url"]
        refresh=msg["refresh"]
        name=msg["name"]
        cname=msg["cname"]
        info=detail(uuid)
        res_info={"uuid":uuid,"minsal":minsal,"maxsal":maxsal,"city":city,"url":url,"refresh":refresh,"name":name,"cname":cname,"info":info}
        result = coll.insert(res_info)
        print(uuid)
        print("===========================")


def detail(uuid):
    r=requests.get("https://androidapi.shixiseng.com/app/intern/info?uuid="+uuid,headers=headers)
    json_str = r.text
    res = json.loads(json_str)
    print("=======detail--code:" + str(res["code"]) + "======")
    msg=res["msg"]
    #print(msg)
    info=pq(msg["info"]).text().replace("\n","");
    return info

if __name__ == '__main__':

    for i in range(1,1000):
        t = Thread(target=joblist, args=(i,))
        t.start()
代码、教程均为ty33123本人原创,且仅限于学习交流,请勿用于任何商业用途!
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【为什么学爬虫?】        1、爬虫入手容易,但是深入较难,如何写出高效率的爬虫,如何写出灵活性高可扩展的爬虫都是一项技术活。另外在爬虫过程中,经常容易遇到被反爬虫,比如字体反爬、IP识别、验证码等,如何层层攻克难点拿到想要的数据,这门课程,你都能学到!        2、如果是作为一个其他行业的开发者,比如app开发,web开发,学习爬虫能让你加强对技术的认知,能够开发出更加安全的软件和网站 【课程设计】 一个完整的爬虫程序,无论大小,总体来说可以分成三个步骤,分别是:网络请求:模拟浏览器的行为从网上抓取数据。数据解析:将请求下来的数据进行过滤,提取我们想要的数据。数据存储:将提取到的数据存储到硬盘或者内存中。比如用mysql数据库或者redis等。那么本课程也是按照这几个步骤循序渐进的进行讲解,带领学生完整的掌握每个步骤的技术。另外,因为爬虫的多样性,在爬取的过程中可能会发生被反爬、效率低下等。因此我们又增加了两个章节用来提高爬虫程序的灵活性,分别是:爬虫进阶:包括IP代理,多线程爬虫,图形验证码识别、JS加密解密、动态网页爬虫、字体反爬识别等。Scrapy和分布式爬虫:Scrapy框架、Scrapy-redis组件、分布式爬虫等。通过爬虫进阶的知识点我们能应付大量的反爬网站,而Scrapy框架作为一个专业的爬虫框架,使用他可以快速提高我们编写爬虫程序的效率和速度。另外如果一台机器不能满足你的需求,我们可以用分布式爬虫让多台机器帮助你快速爬取数据。 从基础爬虫到商业化应用爬虫,本套课程满足您的所有需求!【课程服务】 专属付费社群+定期答疑

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值