Python爬虫抓取智联招聘(基础版)
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?如何提前为心仪工作的面试做准备?今天我们来抓取智联招聘的招聘信息,助你换工作成功!
运行平台: Windows
Python版本: Python3.6
IDE: Sublime Text
其他工具: Chrome浏览器
1、网页分析
1.1 分析请求地址
以北京海淀区的python工程师为例进行网页分析。打开智联招聘首页,选择北京地区,在搜索框输入"python工程师",点击"搜工作":
接下来跳转到搜索结果页面,按"F12"打开开发者工具,然后在"热门地区"栏选择"海淀",我们看一下地址栏:
由地址栏后半部分searchresult.ashx?jl=北京&kw=python工程师&sm=0&isfilter=1&p=1&re=2005
可以看出,我们要自己构造地址了。接下来要对开发者工具进行分析,按照如图所示步骤找到我们需要的数据:Request Headers和Query String Parameters :
构造请求地址:
paras = { 'jl': '北京', # 搜索城市 'kw': 'python工程师', # 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': 1, # 页数 're': 2005 # region的缩写,地区,2005代表海淀}
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'}
1.2 分析有用数据
接下来我们要分析有用数据,从搜索结果中我们需要的数据有:职位名称、公司名称、公司详情页地址、职位月薪:
通过网页元素定位找到这几项在HTML文件中的位置,如下图所示:
用正则表达式对这四项内容进行提取:
# 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)
注意:解析出来的部分职位名称带有标签,如下图所示:
那么在解析之后要对该数据进行处理剔除标签,用如下代码实现:
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] }
2、写入文件
我们获取到的数据每个职位的信息项都相同,可以写到数据库中,但是本文选择了csv文件,以下为百度百科解释:
逗号分隔值(Comma-Separated Values,CSV,有时也称为字符分隔值,因为分隔字符也可以不是逗号),其文件以纯文本形式存储表格数据(数字和文本)。纯文本意味着该文件是一个字符序列,不含必须像二进制数字那样被解读的数据。
由于python内置了csv文件操作的库函数,所以很方便:
import csvdef 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)
3、进度显示
要想找到理想工作,一定要对更多的职位进行筛选,那么我们抓取的数据量一定很大,几十页、几百页甚至几千页,那么我们要掌握抓取进度心里才能更加踏实啊,所以要加入进度条显示功能。
本文选择tqdm 进行进度显示,来看一下酷炫结果(图片来源网络):
执行以下命令进行安装:pip install tqdm
。
简单示例:
from tqdm import tqdmfrom time import sleep
for i in tqdm(range(1000)): sleep(0.01)
4、完整代码
以上是所有功能的分析,如下为完整代码:
#-*- coding: utf-8 -*-import reimport csvimport requestsfrom tqdm import tqdmfrom urllib.parse import urlencodefrom requests.exceptions import RequestException
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.text return None except RequestException as e: return None
def 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)
if __name__ == '__main__': main('北京', 'python工程师', 2005, 10)
上面代码执行效果如图所示:
执行完成后会在py同级文件夹下会生成名为:zl_北京_python工程师.csv
的文件,打开之后效果如下:
Python爬虫抓取智联招聘(基础版)相关推荐
- 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 | 爬虫抓取智联招聘(基础版)
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?如何提前为心仪工作的面试做准备?今天我们来抓取智联招聘的招聘信息,助你换工作成功! 运行平台: Windows Python版本: ...
- Python爬虫爬取智联招聘(进阶版)
运行平台: Windows Python版本: Python3.6 IDE: Sublime Text 其他工具: Chrome浏览器 0.写在前面的话 本文是基于基础版上做的修改,如 ...
- Python | 爬虫爬取智联招聘(进阶版)
上一篇文章中<Python爬虫抓取智联招聘(基础版)>我们已经抓取了智联招聘一些信息,但是那些对于找工作来说还是不够的,今天我们继续深入的抓取智联招聘信息并分析,本文使用到的第三方库很多, ...
- Python爬虫爬取智联招聘!谁说Python岗位少的?
运行平台: Windows Python版本: Python3.6 IDE: Sublime Text 其他工具: Chrome浏览器 0.写在前面的话 本文是基于基础版上做的修改,如 ...
- Python爬虫爬取智联招聘职位信息
目的:输入要爬取的职位名称,五个意向城市,爬取智联招聘上的该信息,并打印进表格中 #coding:utf-8 import urllib2 import re import xlwtclass ZLZ ...
- 【Python爬虫案例学习20】Python爬虫爬取智联招聘职位信息
目的:输入要爬取的职位名称,五个意向城市,爬取智联招聘上的该信息,并打印进表格中 ####基本环境配置: Python版本:2.7 开发工具:pycharm 系统:win10 ####相关模块: im ...
- python爬去智联招聘网_Python爬虫爬取智联招聘(进阶版)
点击上方"程序人生",选择"置顶公众号" 第一时间关注程序猿(媛)身边的故事 图片:Westworld Season 2 作者 王强 简介 Python追随者, ...
- 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Pyth ...
最新文章
- 我为什么更喜欢 Mac OS X
- vins 解读_代码解读 | VINS 视觉前端
- Pinyin4j中文字符和拼音之间的转换
- php html class,html中规定元素的类名的属性class
- Mycat安全_SQL拦截黑名单---MyCat分布式数据库集群架构工作笔记0034
- 多用户在线人数监听(基于TomCat)
- 测试用例管理系统 TestRail测试用例
- java网页木马代码_能够解网页木马代码的高人来看以下。谢谢!```
- 简述计算机数控系统的工作原理,计算机数控系统与802D系统编程基本原理
- JXT查询数据库导入到Execl
- Backtrader量化平台教程(六)Analyzer
- 同步异步+阻塞非阻塞-二述
- Java面向对象系列[v1.0.0][枚举类]
- 【java校招你不知道的那些事儿】java校招有没有考点大纲?不能拿面试补缺
- 将图片资源放入 html 文件中
- 基于django+mysql的教师教学质量评价系统源代码,教学评价系统源码
- 原神抽卡模拟器(java简易版)
- 如何产生一个全局唯一的流水号(附demo)
- GTN Yan LeCun 1998 文章中的一步
- beyond compare实现只比较特定关键字
热门文章
- 写dectobin函数实现十进制转二进制(C语言 + 详细注释)
- 小米4 线刷兼救砖_解账户锁_纯净刷机包_教程
- oracle数据库管理题库,oracle数据库题库
- Java基础面试:一文看懂String类中的常用方法
- 读《谁说菜鸟不会数据分析》之笔记1
- java Swing 中setVisible()的真正作用 及 位置问题
- 保监会暂停审批区域保险代理车险
- Python科学绘图实例附代码
- 又半年,技术的探险(2009.7)
- leaflet 根据两个坐标值,设置arc弧线和Marker(079)