爬蟲目的
本文是想通過爬取拉勾網Python相關崗位數據，簡單梳理Requests和xpath的使用方法。 代碼部分並沒有做封裝，數據請求也比較簡單，所以該項目只是為了熟悉requests爬蟲的基本原理，無法用於穩定的爬蟲項目。
爬蟲工具
這次使用Requests庫發送http請求，然後用lxml.etree解析HTML文檔對象，並使用xpath獲取職位信息。 Requests簡介 Requests是一款目前非常流行的http請求庫，使用python編寫，能非常方便的對網頁Requests進行爬取。
官網裡介紹說：Requests is an elegant and simple HTTP library for Python, built for human beings. Requests優雅、簡易，專為人類打造！
總而言之，Requests用起來簡單順手。 Requests庫可以使用pip或者conda安裝，本文python環境為py3.6。 試試對百度首頁進行數據請求：
<code># 導入requests模塊 import requests
# 發出http請求 re = requests.get("https://www.baidu.com/") # 查看響應狀態 print(re.status_code) # 查看url print(re.url) # 查看響應內容 print(re.text) # 查看編碼 print(re.encoding) # 二進制響應內容 print(re.content) # json響應內容 print(re.json)/<code>
xpath簡介 xpath 是一門在 XML 文檔中查找信息的語言，可用來在 XML 文檔中對元素和屬性進行遍歷。 對獲取的數據進行解析需要用到lxml庫，lxml庫是Python的一個解析庫，支持HTML和XML的解析，支持XPath。
開始數據採集
1、請求地址： https://www.lagou.com/zhaopin/Python/
2、需要爬取的內容 獲取職位概況信息，包括：
- 職位名稱
- 公司名稱
- 公司簡介
- 薪水
- 職位招聘對象
- 工作職責
- 工作要求
3、查看html 如果你使用chrome瀏覽器，登陸拉勾網，按F12可以進入開發者工具頁面：
這時候你會看到該頁面的html網頁源碼。 接下來需要尋找崗位信息對應的源碼，比如說我想要獲取職位名稱：
你會看到開發者工具頁面左上角有個箭頭標誌，你需要點擊它，然後再點擊崗位名稱，就能看到對應的源碼。
知道對應的源碼後，我們就可以利用xpath提取裡面的文本。
4、利用requests發出數據請求
<code># 請求頭
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2526.80 Safari/537.36 Core/1.47.933.400 QQBrowser/9.4.8699.400',
}
# 發出數據請求，返回response響應對象
r = requests.get('https://www.lagou.com/zhaopin/Python/',headers=headers)
# 進行utf-8編碼
r.encoding = "utf-8"/<code>5、利用xpath提取數據
<code># 構造一個xpath解析對象
selector = etree.HTML(r.text)
# 職位編號，一頁共有14個職位，所以這裡可以傳遞0~13任意數字
row_num = str(0)
'''獲取職位概況信息，包括：職位名稱、公司名稱、公司簡介、薪水、職位招聘對象'''
# p_name 職位名稱
p_name = selector.xpath('//ul[@class="item_con_list"]/li[@data-index={}]//h3/text()'.format(row_num))[0]
# p_company 招聘公司名稱
p_company = selector.xpath('//ul[@class="item_con_list"]/li[@data-index={}]//div[@class="company_name"]/a/text()'.format(row_num))[0]
# p_industry 招聘公司簡介
p_industry = selector.xpath('//ul[@class="item_con_list"]/li[@data-index={}]//div[@class="industry"]/text()'.format(row_num))[0]
# p_money 職位薪資
p_money = selector.xpath('//ul[@class="item_con_list"]/li[@data-index={}]//span[@class="money"]/text()'.format(row_num))[0]
# p_require 職位招聘對象
p_require = selector.xpath('//ul[@class="item_con_list"]/li[@data-index={}]//div[@class="li_b_l"]/text()'.format(row_num))[2]
# 該職位詳細信息跳轉鏈接
p_href = selector.xpath('//ul[@class="item_con_list"]/li[@data-index={}]//a[@class="position_link"]/@href'.format(row_num))[0]
/<code>崗位職責和要求的信息在另外的網頁，所以要先獲取對應網址，再進行數據請求。
<code>''' 獲取工作職責和工作要求等詳細信息'''
# 返回response響應對象
r_detail = requests.get(p_href,headers=headers)
# 進行utf-8編碼
r_detail.encoding = "utf-8"
# 解析HTML對象
selector_detail = etree.HTML(r_detail.text)
# p_detail 工作職責和工作要求信息
p_detail = selector_detail.xpath('//div[@class="job-detail"]/p//text()')/<code>將所有信息放進列表並打印：
<code>'''將獲取到的有效信息放到列表中''' p_list = [p_name, p_company, p_industry.strip(), p_money, p_require.strip(),"\n ".join(p_detail)] for i in p_list: print(i)/<code>
輸出：
總結
本文使用requests和xpath工具對拉勾網python職位數據進行爬取並解析，旨在瞭解requests和xpath的使用方法。 對於想翻頁爬取所有崗位信息，本文並無介紹。有興趣的童鞋可以更改地址參數，對代碼進行動態包裝，嘗試爬取所有python崗位信息。
