基于Scrapy的爬虫爬取腾讯招聘网站岗位数据视频(见本头条号视频)

根据TIOBE语言排行榜更新的最新程序语言使用排行榜显示，python位居第三，同比增加2.39%，为什么会越来越火，越来越受欢迎呢，背后折射出的是人工智能、机器学习和大数据的普及程度和使用频率，首先python可以做web开发语言，可以做运维，可以做数据分析，可以做爬虫，可以做机器学习，可谓是万金油语言，今天给大家带来一个基于scrapy的爬虫和数据分析。

各个程序语言排行榜

本文将从以下三个方面进行介绍：

1、 what 基于python的scrapy是什么？

2、 How 如何安装scrapy？

3、 Where 在哪里使用，爬取过程

对于普通工薪族来说进入腾讯工作是他们毕生的梦想，那它的工作jd是怎么样的，要找什么样的人呢，薪资待遇是怎样的呢，带着这几个问题我们通过scrapy来爬取腾讯招聘网站的数据来了解吧。

腾讯招聘网站

1、 what 基于python的scrapy是什么？

Scrapy 是一个爬虫框架，为了爬取网站数据，提取结构性数据而编写。 可应用在包括数据挖掘，深度学习或存储历史数据等领域。

Scrapy，即Scraping data with Python。Scrapy 使用异步网络库Twisted来处理网络通讯，架构清晰，并且包含了各种中间件接口，满足不同年龄段不同人群的个性化需求。Scrapy 架构。

Scrapy 架构

引擎(Scrapy Engine)

负责组件之间数据的流转，它实现了并行化，类似于管道系统；

调度器(Scheduler)

接收requests，让它们老实在这里排队，以便后面下载器处理，requests中大部分都是url，体积较小，可想，即使有很多请求，也是没有关系的哈

下载器(Downloader)

下载器负责处理requests，抓取网页，并传递给引擎，之后抓取结果返回给spider；下载器是scrapy框架性能的中最重要的一环，机制复杂，总之，它限制了并发数，有管道长度的延迟；下载器的能力受限于CONCURRENT_REQUESTS*设置。

爬虫中间件(Spider Middlewares)

位于引擎和Spider之间，处理抓取器的输入和输出；当你想在spiders产生的Items到达Item Pipeline之前或response到达spider之前做一些处理，就用它；

爬虫(Spiders)

这部分是用户编写的可定制化的部分，负责解析response，产生items和url；它对Scrapy框架性能没啥影响，不是瓶颈哈；

项目管道(Item Pipeline)

负责处理spider产生的item；典型用途：清洗，验证，持久化等；Spider对每个Request可能产生几百个items，只有CONCURRENT_ITEMS会被并行处理；注意，当使用pipelines连接数据库时，pipelines的默认值是100，此时向数据库导入数据就会造成瓶颈问题了，因为items太多啊

下载器中间件(Downloader Middlewares)

位于下载器和引擎之间，处理传送到下载器的requests和传送到引擎的response；可以想象，当你要在requests到达下载器之前，或者，responses到达爬虫之前做一些预处理，那就要用这个玩意了；

2、 How 如何安装scrapy？

安装的方式有很多，这里提供比较简洁的安装方式。

(1)安装anaconda3.6，这里就不详细说它的安装步骤，读者可以自行百度安装即可，很简单，为啥安装它呢，因为它有很多安装好了的包，可以自己安装环境变量，又可以做数据分析，把爬来的数据，用它来进行分析一举两得，这也是很多数据工程师常用的方式。

下载地址：https://www.anaconda.com/distribution/

anaconda下载地址和版本

(2)打开终端，输入命令

conda list

查看当前anaconda里已经存在的包

没有安装过scrapy，那么可以现在进行安装。

输入命令conda install scrappy

anaconda就会自动帮你下载包

完成后，再输入命令：

conda install service_identity

(2)在pycharm里配置anaconda

File-》Settings-》Project interpreter-》找到你anaconda的安装路径下的python.exe添加进去即可

配置scrapy图

随便新建一个文件 import scrappy 运行不报错，即配置成功。

3、 Where 在哪里使用，爬取过程

把编写好的代码运行一下

运行方式既可以是在cmd 运行命令scrapy crawl tencent_jobs

也可以像下图一样运行

运行代码

核心代码如下图：

核心代码

代码架构

代码架构

我们还需要在mysql表 创建jobs表

sql_create_table = '''

create table jobs(job_name varchar (100),

location varchar (40),

type varchar (40),

needed_people_num varchar (5),

duty varchar (400),

requirement varchar (500)

)

mysql

执行代码：

程序运行图

查询结果：

查询结果

查询结果

总结：基于scrapy的爬虫操作简单，容易学习，如需更进一步，需要弄懂它的原理和方法，做到知其然知其所以然，才能真正进步，存入mysql后的数据用anaconda进行分析，将在下一次进行分享。欢迎各位朋友批评指正，如果想要详细代码的可以私信我。