Python爬虫之ajax爬虫实战(并把数据存储都MongoDB)




import requests
import pymongo
from urllib.parse import urlencode
import json
 
# 设置MongoDB的连接
client = pymongo.MongoClient('mongodb://localhost:27017/')
db = client['jobbole']
 
# 设置ajax请求头信息
headers = {
    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36',
    'X-Requested-With': 'XMLHttpRequest',
}
 
def get_ajax_data(url, params):
    # 发送ajax请求获取数据
    response = requests.get(url, headers=headers, params=params)
    return response.json()
 
def save_to_mongodb(data_list):
    # 将数据保存到MongoDB
    for data in data_list:
        title = data.get('title')
        job_id = data.get('jobid')
        salary = data.get('salary')
        city = data.get('cityname')
        experience = data.get('experience')
        education = data.get('education')
        company_name = data.get('companyname')
        db.jobs.update_one({'job_id': job_id}, {'$set': {
            'title': title,
            'salary': salary,
            'city': city,
            'experience': experience,
            'education': education,
            'company_name': company_name
        }}, upsert=True)
 
def main():
    # 设置ajax请求参数
    base_url = 'https://www.jobbole.com/zhaopin/p'
    page = 1
    fetch_num = 10
    query = {
        'city': '北京',
        'experience': '3-5年',
        'job_label': 'Python',
        'page': page,
        'kd': 'python'
    }
    query_str = urlencode(query)
    url = base_url + '?' + query_str
 
    # 获取ajax数据并保存到MongoDB
    data = get_ajax_data(url, query)
    total_page = data['totalPage']
    save_to_mongodb(data['data'])
 
    # 循环获取其他页面的数据
    for page in range(2, total_page+1):
        query['page'] = page
        query_str = urlencode(query)
        url = base_url + '?' + query_str
        data = get_ajax_data(url, query)
        save_to_mongodb(data['data'])
 
if __name__ == '__main__':
    main()

这段代码实现了与原代码相同的功能,但是修正了一些问题,并且使用了更现代的Python库和方法。代码首先设置了MongoDB的连接,然后定义了请求头和请求参数。get_ajax_data函数负责发起AJAX请求并获取JSON格式的响应数据。save_to_mongodb函数负责将获取到的数据保存到MongoDB中。最后,main函数组织了主要的逻辑流程,包括计算总页数、循环获取每一页的数据,并将其保存。

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日