Python爬虫项目:抓取智联招聘信息
来自https://mp.weixin.qq.com/s/0SzLGqv2p0-IWSN3r8bOHA
'''
Python爬虫之五:抓取智联招聘基础版
该文件运行后会产生一个代码,保存在这个Python文件所在的文件夹。https://sou.zhaopin.com/jobs/searchresult.ashx?jl=%E5%8C%97%E4%BA%AC&kw=python%E5%B7%A5%E7%A8%8B%E5%B8%88&sm=0&isfilter=1&p=1&re=2005
searchresult.ashx?jl=北京&kw=python工程师&sm=0&isfilter=1&p=1&re=2005url = 'https://sou.zhaopin.com/jobs/searchresult.ashx?' + urlencode(paras)#构造请求地址
paras = {'j1' : '北京' #搜索城市'kw' : 'Python工程师' #搜索岗位'isadv' : '0' #是否打开更详细搜索'isfilter' : '1' #是否对结果过滤'p' : '1' #显示页数're' : '2005' #显示地区代码
}url = 'https://sou.zhaopin.com/jobs/searchresult.ashx?' + urlencode(paras)#请求头
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'.'Host': 'sou.zhaopin.com','Referer': 'https://www.zhaopin.com/','Accept': 'text/html, application/xhtml + xml, application/xml; q = 0.9, image/webp, image/apng, */*; q = 0.8','Accept-Encoding': 'gzip, deflate, br','Accept-Language': 'zh-CN, zh; q= 0.9'
}# 正则表达式进行解析
pattern = re.compile('<a style=.*? target = "_blank">(.*?)</a>.*?''<td class = "gsmc"><a href= "(.*?)" target = "_blank">(.*?)</a>.*?''<td class = "zwyx">(.*/)</td>', re.S)# 匹配所有符合条件的内容
items = re.findall(pattern, html)#解析后剔除job两侧的标签:<b>job</b>
for item in items:job_name = items[0].replace('<b>', '').replace('</b>', '')yield {'job' : job_name,'website' : item[1],'company' : item[2],'salary' : item[3]}########写入CSV文件
import csv
def write_csv_headers(path, headers):#写入表头with open(path, 'a', encoding = 'gb18030', newline = '') as f:f_csv = csv.DictWriter(f, headers).writeheader()def write_csv_rows(path, headers, rows):###写入行with open(path, 'a', encoding = 'gb18030', newline = '') as f:f_csv = csv.DictWriter(f, headers).writerows(rows)#使用tqdm进行进度显示from tqdm import tqdm
from time import sleep
for i iin tqdm(range(1000)):sleep(0.01)
'''#################完整代码##################################
import re #正则表达式库
import csv #CSV格式库
import requests #网页解析
from tqdm import tqdm #进度条显示
from urllib.parse import urlencode #Python 3 的 urllib 模块是一堆可以处理 URL 的组件集合
from requests.exceptions import RequestException #方法 urlencode 可以向 URL 传输数据def get_one_page(city, keyword, region, page):'''获取网页html内容并返回'''paras = {'jl': city, # 搜索城市'kw': keyword, # 搜索关键词 'isadv': 0, # 是否打开更详细搜索选项'isfilter': 1, # 是否对结果过滤'p': page, # 页数're': region # region的缩写,地区,2005代表海淀}headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36','Host': 'sou.zhaopin.com','Referer': 'https://www.zhaopin.com/','Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8','Accept-Encoding': 'gzip, deflate, br','Accept-Language': 'zh-CN,zh;q=0.9'}url = 'https://sou.zhaopin.com/jobs/searchresult.ashx?' + urlencode(paras)try:# 获取网页内容,返回html数据response = requests.get(url, headers=headers)# 通过状态码判断是否获取成功if response.status_code == 200:return response.textreturn Noneexcept RequestException as e:return Nonedef parse_one_page(html):'''解析HTML代码,提取有用信息并返回'''# 正则表达式进行解析pattern = re.compile('<a style=.*? target="_blank">(.*?)</a>.*?' # 匹配职位信息'<td class="gsmc"><a href="(.*?)" target="_blank">(.*?)</a>.*?' # 匹配公司网址和公司名称'<td class="zwyx">(.*?)</td>', re.S) # 匹配月薪 # 匹配所有符合条件的内容items = re.findall(pattern, html) for item in items:job_name = item[0]job_name = job_name.replace('<b>', '')job_name = job_name.replace('</b>', '')yield {'job': job_name,'website': item[1],'company': item[2],'salary': item[3]}def write_csv_file(path, headers, rows):'''将表头和行写入csv文件'''# 加入encoding防止中文写入报错# newline参数防止每写入一行都多一个空行with open(path, 'a', encoding='gb18030', newline='') as f:f_csv = csv.DictWriter(f, headers)f_csv.writeheader()f_csv.writerows(rows)def write_csv_headers(path, headers):'''写入表头'''with open(path, 'a', encoding='gb18030', newline='') as f:f_csv = csv.DictWriter(f, headers)f_csv.writeheader()def write_csv_rows(path, headers, rows):'''写入行'''with open(path, 'a', encoding='gb18030', newline='') as f:f_csv = csv.DictWriter(f, headers)f_csv.writerows(rows)def main(city, keyword, region, pages):'''主函数'''filename = 'zl_' + city + '_' + keyword + '.csv'headers = ['job', 'website', 'company', 'salary']write_csv_headers(filename, headers)for i in tqdm(range(pages)):'''获取该页中所有职位信息,写入csv文件'''jobs = []html = get_one_page(city, keyword, region, i)items = parse_one_page(html)for item in items:jobs.append(item)write_csv_rows(filename, headers, jobs)#只可以被独立执行,不可以被其他文件引用
if __name__ == '__main__':main('北京', 'python工程师', 2005, 10)
Python爬虫项目:抓取智联招聘信息相关推荐
- Python爬虫:抓取智联招聘岗位信息和要求(进阶版)
本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理 以下文章来源于腾讯云 作者:王强 ( 想要学习Python?Python学习交流群 ...
- Python爬虫:抓取智联招聘岗位信息和要求(基础版)
本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理 以下文章来源于腾讯云 作者:王强 ( 想要学习Python?Python学习交流群 ...
- (转)python爬虫实例——爬取智联招聘信息
受友人所托,写了一个爬取智联招聘信息的爬虫,与大家分享. 本文将介绍如何实现该爬虫. 目录 网页分析 实现代码分析 结果 总结 github代码地址 网页分析 以https://xiaoyuan.zh ...
- python爬虫实例——爬取智联招聘信息
受友人所托,写了一个爬取智联招聘信息的爬虫,与大家分享. 本文将介绍如何实现该爬虫. 目录 网页分析 实现代码分析 结果 总结 github代码地址 网页分析 以https://xiaoyuan.zh ...
- 用python抓取智联招聘信息并存入excel
用python抓取智联招聘信息并存入excel tags:python 智联招聘导出excel 引言:前一阵子是人们俗称的金三银四,跳槽的小朋友很多,我觉得每个人都应该给自己做一下规划,根据自己的进步 ...
- 北京python爬虫招聘信息_Python爬虫:抓取智联招聘岗位信息和要求(基础版)
本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理 以下文章来源于腾讯云 作者:王强 ( 想要学习Python?Python学习交流群 ...
- python3小项目——爬取智联招聘信息(二)
这两天,心血来潮又把前几天的爬取招聘信息程序丰富了一下,是对爬取到的信息再处理以及分类保存. 具体功能: 将全部信息保存成矩阵形式,去除无用信息,并在当前目录下生成文件夹并此文件夹下把信息分类保存成. ...
- python爬虫招聘-Python爬虫抓取智联招聘(基础版)
原标题:Python爬虫抓取智联招聘(基础版) 作者:C与Python实战 「若你有原创文章想与大家分享,欢迎投稿.」 对于每个上班族来说,总要经历几次换工作,如何在网上挑到心仪的工作?如何提前为心仪 ...
- python 爬虫学习:抓取智联招聘网站职位信息(二)
在第一篇文章(python 爬虫学习:抓取智联招聘网站职位信息(一))中,我们介绍了爬取智联招聘网站上基于岗位关键字,及地区进行搜索的岗位信息,并对爬取到的岗位工资数据进行统计并生成直方图展示:同时进 ...
最新文章
- linux+mmap父子通信_linux库函数mmap()原理?转载
- 一张图看懂小程序全生态
- 如何实现动态加载删除android,关于android:融云IMKit-动态删除或添加plugin-的实现...
- 可以让SQL针对某个错误信息号抓DUMP的命令组合
- NOIP模拟测试10「大佬·辣鸡·模板」
- FFMPEG 源码分析
- C/C++——getline()详解
- 使用faketime修改docker内的时间,解决date: cannot set date: Operation not permitted问题
- httpClient创建对象、设置超时
- QT5.14在Win10和Win7下的安装
- JavaStuNote 5
- filter - date 日期插件
- Mysql根据日志恢复数据
- 【语音信号处理】3语音信号可视化——prosody
- 年轻人转行需三思,未来5-10年什么工作真吃香?
- 某程序员发现 CSDN官方“漏洞”,立省¥10000+,抓紧薅吧
- 福建农林大学计算机分数线,福建农林大学录取分数线2021是多少分(附历年录取分数线)...
- 计算机图形学代码3D太阳系,计算机图形学-绘制太阳系.doc
- java扫雷设计_毕业设计Java版扫雷的设计与实现介绍
- 如何爬取当当网畅销书排行榜信息? requests + pyquery