Question

我正在尝试编写一个脚本，从特定的website获取作业详细信息。当我从Google Chrome中的源代码（命令选项-U）与开发人员工具（命令选项-I）查看时，html代码似乎有所不同。开发人员工具具有我可以用HTML解析的实际细节。

我所追求的一个例子是在网站发布的第一份工作中找到的：

Canada-Alberta-Fort McMurray，Canada-Alberta-Edmonton

我知道我需要使用POST提交表单，但除此之外我无法获取开发人员工具中的html代码，但我的请求中没有。

import requests
url='https://caterpillar.taleo.net/careersection/cat+external+cs/jobsearch.ftl?lang=en&portal=4140124208&src=CWS-10005'
r = requests.post(url, data={'dropListSize': 100})
print(r.status_code, r.reason)
html=r.text

我也尝试过使用mechanize

的类似策略

import mechanize
br = mechanize.Browser()
br.open(url)

for f in br.forms():
    print f

br.select_form('ftlform')
br.form["dropListSize"] = ["100"]
br.submit()
html=br.response().read()

一个相关的问题是我如何进入下一页，但我觉得我可能能够弄明白。

Answer 1

发送到https://caterpillar.taleo.net/careersection/cat+external+cs/jobsearch.ajax端点的XHR POST请求包含响应中的所有搜索结果。您可以尝试模拟它（我怀疑通过参数数量和响应格式判断不会很有趣），或者您可以通过selenium在真实浏览器中加载页面，让浏览器加载页面并且不用担心搜索结果的传递方式。

使用selenium + PhantomJS无头浏览器的工作示例：

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC


url = 'https://caterpillar.taleo.net/careersection/cat+external+cs/jobsearch.ftl?lang=en&portal=4140124208&src=CWS-10005'
driver = webdriver.PhantomJS()
driver.get(url)

wait = WebDriverWait(driver, 10)
table = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, "table.contentlist")))

for row in table.find_elements_by_css_selector("tr.ftlrow"):
    title = row.find_element_by_css_selector(".titlelink a").text
    print(title)

driver.close()

打印：

Sales accountant
Manufacturing Project Engineer
Staff Accountant - Accountable
Hydraulic Cylinder Design Engineer
Engineering Supervisor(Hydraulic Cylinder)
Design Engineer
Senior Design Engineer
Senior Engineer
Senior Design Engineer
Dealer Solution Network (DSN) Analyst

提交表单以从作业板中废弃数据

1 个答案: