以腾讯招聘网站为例,打开网站,搜索“python”,返回页面如下:
把鼠标光标放在我们要查询的岗位上,然后右键--->检查,点击network,然后刷新,其中XHR返回的便都是动态链接,其中不同于以往的网站,我们所要查找的数据不在response中,而是存放在preview中,如下图:
此时再查看齐请求链接,链接较长,其中有很多的参数,具体的参数都存放在Query String Parameters中,如下:
其中,timestamp为时间戳,10位表示秒(1970年1月1日 0时0分0秒到某个时间的秒数),13位表示毫秒数,未显示值的参数便可忽略,keyword后便是我们搜索的关键词,pageIndex参数可控制进行翻页,如下:
# 请求动态链接
Request URL: https://careers.tencent.com/tencentcareer/api/post/Query?timestamp=1637684846385&countryId=&cityId=&bgIds=&productId=&categoryId=&parentCategoryId=&attrId=&keyword=python&pageIndex=1&pageSize=10&language=zh-cn&area=cn
# 具体参数
timestamp: 1637684846385
countryId:
cityId:
bgIds:
productId:
categoryId:
parentCategoryId:
attrId:
keyword: python
pageIndex: 1
pageSize: 10
language: zh-cn
area: cn
此时便可把请求链接简化为:
# 请求动态链接
Request URL: https://careers.tencent.com/tencentcareer/api/post/Query?timestamp=1637684846385&keyword=python&pageIndex=1&pageSize=10&language=zh-cn&area=cn
当我们把简化后的请求链接放在浏览器中,返回的便是json格式的内容(因为浏览器装了jsonview插件,所以如下显示),如下:
返回json内容后,再用json模块,把json内容转化为python对象,简略Python如下:
import requests,time,json
timestamp = int(time.time())*1000 # 利用time模块计算时间戳,并作为请求链接的参数
base_url = 'https://careers.tencent.com/tencentcareer/api/post/Query?timestamp={}&keyword=python&pageIndex=1&pageSize=10&language=zh-cn&area=cnn'
headers = {
'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36'
}
url = base_url.format(timestamp)
res = requests.get(url,headers)
content_dict = json.loads(res.content.decode('utf8'))
posts_data = content_dict['Data']['Posts']
for i in range(len(posts_data)):
postname = posts_data[i]['RecruitPostName']
catgoryname = posts_data[i]['CategoryName']
respon = posts_data[i]['Responsibility'].replace("\n","")
print(postname,catgoryname,respon)
就可以拿到我们想要的内容了,输出如下: