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 ...

Python爬虫抓取智联招聘（基础版）