前面两篇文章讲了单页面如何爬取,那么我们来试试如何爬取二级页面。
在爬取页面的时候,需要有个良好的习惯,提前对爬取的页面和爬取思路进行一个分析。
目的:爬取携程无忧数据分析师的二级页面,获取每个岗位的要求。
页面的构成:二级页面是点击一级页面跳转的。
解决思路:
1、在一级页面中获取二级页面的链接
2、在二级二面中获取想要的数据。
这里我们会用到BeautifulSoup。
思路有了,那我们开始吧!
1、获取二级页面的链接,href路径获取,浏览器点开检查。找到相对应的href位置:
import requests
from bs4 import BeautifulSoup
from lxml import etree
import time
import csv
headers={
'user-agent':'Mozilla/5.0'
}#模拟浏览器进行爬取
url = 'https://search.51job.com/list/000000%252C00,000000,0000,00,9,99,%25E6%2595%25B0%25E6%258D%25AE%25E5%2588%2586%25E6%259E%2590%25E5%25B8%2588,2,'
#网页内容格式调整
i = 0
for n in range(1,10):
r = url+str(n)+str('.html')
html = requests.get(r,headers=headers)
html.raise_for_status()
html.encoding = html.apparent_encoding#内容获取的内容进行转码,以防出现乱码的情况。