爬虫学习笔记（2）使用MongoDB保存拉钩数据

生苦短，我用Python

一、什么是MongoDB

MongoDB是一个高性能，开源，无模式的文档型数据库

MongoDB将数据存储为一个文档，数据结构由键值(Key=>value)对组成

二、MongoDB相关安装

Windows的安装方法：能够借鉴小歪老师的知乎专栏：MongoDB及可视化工具的安装中给出了详细的MongoDB数据库、可视化工具RoboMongo和MongoDB的PyCharm插件--Mongo Plugin的安装步骤和方法，可按照步骤安装并测试链接，本人也是按照该教程一步一步操做的。实验都是成功的。

三、Python用于操做MongoDB的第三方库pymongo安装：

我这里是已经安装过了，因此是这样的提示，若是未安装，则是大体提示你安装成功的英文。

这里说下pip，我刚开始使用pip安装包的时候，一直提示未能识别pip,最后我找到python的安装目录下：C:\Users\XXXX\XXX\XXX\XXX\Python\Python35\Scripts下，shift+鼠标右击，在此处打开命令窗口，再使用pip install pymongo就成功了。

须要这样使用pip是由于我没有设置环境变量的缘由。若是每次都是这样使用pip安装包很麻烦，因此若是你想每次随便在哪里打开cmd.exe都能pip安装包，则须要配置下环境变量：

配置流程：个人电脑（或计算机）-->右键属性-->高级系统设置-->环境变量-->系统变量-->path-->点击编辑-->将在刚才shift+右键地方的地址复制到里面，在随便在一个地方打开cmd.exe，输入pip均可以安装包了。

四、爬取拉钩网爬虫工程师数据并保存到MongoDB中

一、分析网页：想要爬取一个网站，首先必须去分析改网页的请求结构和返回结果结构。

由上图分析可知：请求url和请求方式post。

由上图可知：请求所须要的Cookie、Referer、和User-Agent。这些都是请求须要的参数。

点击response,能够看到该请求返回值，这样看不方便，咱们能够全选复制，用json转换工具看一下：

由上图分析可知请求的参数：first:是不是第一页，pn:当前页数，kd:搜索关键字

由截图分析可知，返回结果中content-->positionResult-->result中数据是我所须要的。

代码实现：

import requests
from pymongo import MongoClient
import time
from fake_useragent import UserAgent
client=MongoClient()
db=client.lagou
lagou=db.Reptile #建立Reptile集合，用于保存爬取到的数据集合

headers={
    'Cookie':'',#此处写入你分析所得的Cookie
    'Referer':''#此处写入你分析所得的Referer
}

def get_job_info(page,kd):#加入一个职位参数kd
    for i in range(page):
        url=''#此处写入你分析后所得的请求url
        payload={
            'first':'true',#是不是第一页参数
            'pn':i,#当前页数。起翻页做用
            'kd':kd #关键字
        }

        ua=UserAgent()#定义生成随机User-Agent的实例对象
        headers['User-Agent']=ua.random #使用fake-Agent随机生成User-Agent，添加到headers
        response=requests.post(url,data=payload,headers=headers)#获取请求结果

        if(response.status_code==200):
            job_json=response.json()['content']['positionResult']['result']#取出须要的数据
            lagou.insert(job_json)#保存到MongoDB数据
        else:
            print('请求错误！')

        print('正在爬取'+str(i+1)+'页的数据...')

if __name__=='__main__':
    get_job_info(7,'爬虫')复制代码

MongoDB保存数据成功后的结构以下图 所示：