6月安卓手機性能榜：vivo/iQOO霸占旗艦排行榜前三
2023年上半年已經正式過去了，我們也迎來了安兔兔V10版本，在新的驍龍8Gen3和天璣9300發布之前，性能榜的榜單大體會以驍龍8Gen2和天璣9200+為主，至于那顆3.36GHz的驍龍8Gen2領先
朋友想知道 Boss 直聘上關于自動駕駛的崗位有哪些 ，于是，筆者寫了一個簡單的爬蟲 crawler-boss ，將全國大城市相關崗位的信息收集起來。
這篇文章，筆者想分享爬蟲 crawler-boss 的設計思路。
圖片
對于很多動態渲染的網頁而言，想要抓取它的數據，就需要對網頁的 JS 代碼以及 Ajax 接口等進行分析。
而當 JS 代碼混亂，難以分析，Ajax 的接口又含有很多加密參數的時候，就非常難以直接找出規律，那么上述過程會花費大量的時間和精力。
圖片
上圖中， Boss 直聘接口參數比較多，筆者并不想花太多時間研究這些參數，于是筆者選擇了另一種方案：Selenium + chromedriver。
Selenium是 web 瀏覽器自動化測試的工具，它可以模擬用戶與所有主流瀏覽器之間的交互，比如點擊，輸入，抓取，拖拽等等。
由于網頁大多采用是 JavaScript 動態渲染，使得爬蟲返回的結果可能與用戶實際看到的網頁并不一致。我們看到的網頁可能是經過 Ajax 加載，或者是JavaScript以及其他算法計算后生成的。
因此，我們可以使用 Selenium直接模擬瀏覽器運行，我們肉眼看到的是什么樣，能夠抓取的數據就是什么樣。
WebDriver 是 Selenium 的核心組件 ， 負責控制瀏覽器進行各種操作。WebDriver 可以通過不同的驅動程序與不同的瀏覽器進行通信，比如 ChromeDriver、FirefoxDriver 等。
打開Google瀏覽器，網址欄輸入：chrome://settings/help
圖片
對照你的版本下載，當你使用的是 Chrome 版本 115 或更高版本，就點最上面的鏈接：
https://chromedriver.chromium.org/downloads/
圖片
找到你對應的版本，我這里是122.0.6261.129
圖片
下載完成之后，將文件解壓后，拷貝到 /usr/local/bin/ 目錄 。
圖片
安裝完 chromedriver 后，Java 應用中添加如下依賴：
<dependency> <groupId>org.seleniumhq.selenium</groupId> <artifactId>selenium-server</artifactId> <version>3.141.59</version></dependency>然后通過如下代碼，測試環境是否 OK 。
public static void main(String[] args) { WebDriver webDriver = new ChromeDriver(); webDriver.get("https://juejin.cn");}點擊運行，如果打開了掘金網頁說明環境配置成功。
1、進入搜索頁面 , 搜索框中輸入‘自動駕駛’
圖片
圖片
2、搜索結果若出現登錄浮窗，則關閉，將頁面中職位列表通過 class 截取出來，保存到數據庫
圖片
圖片
3、點擊下一頁
圖片
圖片
執行完成之后，職位記錄表新增了接近 2000 條記錄。
圖片
當我們將 Selenium 作為爬蟲工具時，盡管它有很多優點，但也存在明顯的缺點。
Selenium 模擬瀏覽器動作，除了加載需要的數據外，還會加載圖片、JS、CSS等不必要的內容，導致網絡資源和計算資源消耗增加，爬取速度變慢，爬取規模受限。
因此，長期大規模使用 Selenium 作為生產工具不是一個明智的選擇。
然而，如果只是想在個人電腦上快速抓取少量數據，Selenium 確實是一個非常方便的工具。
最后， crawler-boss 的源碼實現非常簡單，假如同學們感興趣，可以關注公眾號，回復 「爬蟲」即可獲取。
https://zhuanlan.zhihu.com/p/137710454
https://juejin.cn/post/7284318118993068051
本文鏈接：http://www.www897cc.com/showinfo-26-76483-0.html寫了個簡單爬蟲，收集 Boss直聘自動駕駛崗位
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
下一篇： 工作中最常見的六種OOM問題
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號