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 ...

Python爬虫项目：抓取智联招聘信息

Python爬虫项目：抓取智联招聘信息相关推荐

最新文章

热门文章