echarts mysql scrapy_抓取58job, 赶集job以及智联招聘,并使用数据分析生成echarts图...
**抓取58job, 赶集job以及智联招聘,并使用数据分析生成echarts图**
爬虫部分
爬虫部分使用scrapy-redis分布式爬虫,通过redis实现增量爬取以及去重,并将所有的数据直接保存到redis中,后续再做处理
github:https://github.com/AndrewAndrea/spider_work
代码已经提交到GitHub中,不是很完善,爬虫爬取的信息没有详情页的数据,只有赶集网的数据是详情页的。有点懒得写了。
可以自己把代码clone下来,在做完善。
抓取智联招聘的信息
这个很简单
抓取58同城的招聘信息
这个也很简单,我的代码只做了一个城市的抓取,可以做扩展
抓取赶集网的招聘信息
这个也简单。就不说了,也是一个城市的信息。
最后关于爬虫如何同时启动多个spider
如何将所有的爬虫的同时启动,这个我写一下,记录一下,避免以后给忘了。
首先,需要在爬虫文件新建一个commond包,在该目录下新建文件crawlall.py。
目录结构:
crawlall.py中的内容:
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2019/5/6 16:31# @Author : zhao.jia# @Site :# @File : crawlall.py# @Software: PyCharmfromscrapy.commands importScrapyCommand
classCommand(ScrapyCommand):
requires_project = Truedefsyntax(self):
return'[options]'defshort_desc(self):
return'Runs all of the spiders'defrun(self,args,opts):
spider_list = self.crawler_process.spiders.list()
forname inspider_list:
self.crawler_process.crawl(name,**opts.__dict__)
self.crawler_process.start()
更改settings.py
COMMANDS_MODULE = 'spider_work.command'
启动
scrapy crawlall
爬虫部分到此结束,单个如何启动大家也都知道。
可以扩张的地方很多,所以再补充几点:
1、详细的招聘信息的抓取
2、可以将代码直接改成通用爬虫
3、58job和赶集网的都是同城的,可以扩展到全国,写个配置文件,拼接URL就行。可以分别根据每个网站做关键词搜索爬虫,而不是单一使用智联的关键词。
4、增加异常处理
5、增加数据去重存到 redis 中
数据转换部分(可以忽略)
我是通过 MySQL 去做的,所以需要将 Redis 中的数据取出来存到 MySQL 中。
Redis 存储的类型是列表,所以有重复数据。redis 取数据采用 lpop 方法。通过给 MySQL 表中的字段加索引,来去重,插入语句使用 replace into 而不是 insert into。 可以去百度一下,看看博客。
process_item_mysql.py
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2019/4/29 23:15# @Author : zhao.jia# @Site :# @File : process_item_mysql.py# @Software: PyCharmimportpymysql
importredis
importjson
defprocess_item(key):
Redis_conn = redis.StrictRedis(host='ip',port=6379,db=0,password='pass')
MySql_conn = pymysql.connect(host='ip',user='root',passwd='pass',port=3306,db='zhaopin')
cur = MySql_conn.cursor()
while True:
data = Redis_conn.lpop(key)
ifdata:
try:
data = json.loads(data.decode('unicode_escape'),strict=False)
exceptExceptionase:
process_item(key)
print(data)
try:
if'-'indata['city']:
city = data['city'].split('-')[0]
else:
city = data['city']
exceptExceptionase:
city = data['city']
lis = (
pymysql.escape_string(data['jobType']),pymysql.escape_string(data['jobName']),pymysql.escape_string(data['emplType']),pymysql.escape_string(data['eduLevel']),pymysql.escape_string(data['salary']),pymysql.escape_string(data['companyName']),pymysql.escape_string(city),pymysql.escape_string(data['welfare']),pymysql.escape_string(data['workingExp']))
sql = (
"replace into work(jobType, jobName, emplType, eduLevel, salary, companyName, city, welfare, workingExp) VALUES ('%s', '%s', '%s', '%s', '%s', '%s', '%s', '%s', '%s')"% lis)
try:
cur.execute(sql)
MySql_conn.commit()
exceptExceptionase:
MySql_conn.rollback()
else:
breakcur.close()
MySql_conn.close()
if__name__ == "__main__":
key_list = ['job_spider:items','jobs58:items','jobsganjispider']
fori inrange(3):
process_item(key_list[i])
可视化部分
可视化采用的flask+mysql+echarts
具体代码见我的GitHub,这里就不贴了。
贴一下几个图吧
web网站的整体图
搜索界面
学历要求
学历工资图
经验要求
词云图
完成
项目中可以扩展的部分很多,需要大家自己去写,不用再搭架子写简单的东西,web部分也可以扩展,包括页面以及echarts图,数据分析都可以继续扩展。
代码中有任何问题都可以留言,指正。一块学习!
代码会放在我GitHub上,关注后回复 ‘work’,即可获取
echarts mysql scrapy_抓取58job, 赶集job以及智联招聘,并使用数据分析生成echarts图...相关推荐
- python爬虫使用selenium爬取动态网页信息——以智联招聘网站为例
python版本3.6 #导入两个模块 from selenium import webdriver import time from openpyxl import Workbook import ...
- python爬取智联招聘网
思路 其实你在做完一些常规的反反爬措施之后基本能爬了,这里我关于IP我讲一下: 我主要是爬完一个职位之后睡眠1-3秒,随机选择 p=random.randint(1,3) time.sleep(p) ...
- Python利用Scrapy爬取智联招聘和前程无忧的招聘数据
爬虫起因 前面两个星期,利用周末的时间尝试和了解了一下Python爬虫,紧接着就开始用Scrapy框架做了一些小的爬虫,不过,由于最近一段时间的迷茫,和处于对职业生涯的规划.以及对市场需求的分析, ...
- scrapy 智联 mysql_Python利用Scrapy爬取智联招聘和前程无忧的招聘数据
爬虫起因 前面两个星期,利用周末的时间尝试和了解了一下Python爬虫,紧接着就开始用Scrapy框架做了一些小的爬虫,不过,由于最近一段时间的迷茫,和处于对职业生涯的规划.以及对市场需求的分析,我通 ...
- 手把手带你抓取智联招聘的“数据分析师”岗位!
前言 很多网友在后台跟我留言,是否可以分享一些爬虫相关的文章,我便提供了我以前写过的爬虫文章的链接(如下链接所示),大家如果感兴趣的话也可以去看一看哦.在本文中,我将以智联招聘为例,分享一下如何抓取近 ...
- 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 ...
- 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 ...
- 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: ...
最新文章
- 超级计算机 红皇后,阿丽塔诺瓦不是最大反派 幕后大boss超级计算机黑化AI
- 全球领先的数据库!我用它直接让公司项目的性能提升了一半~
- ubuntu 14.04 LTS(64bit)源配置
- python3 协程 写法_理解Python的协程(Coroutine)
- Atom飞行手册翻译: 3.9 从Textmate中转换
- 十分钟释疑Oracle中“小表超慢”之谜(SQL调优/SQL优化)
- 低压抽屉柜常见故障处理方法_传真机常见故障如何处理 传真机常见故障处理方法【详解】...
- C++ 将模板申明为友元
- mysql创建一张日期表_MySQL创建一张日期表
- mame新版ROM下载网站推荐
- 最新常用会计科目表及详细解释
- 运算放大器节点电压方程_比例运算放大器电路
- 2022最新谷歌商店上架流程_google play 上架流程
- 三年半 Java 后端鹅厂面试经历
- HTML-day02会员登录案例
- 多项式除以多项式例题讲解_多项式乘以多项式训练题.doc
- Docker之介绍与安装
- Unity程序框架总结归置系列(4)——mono模块
- mysql的interval()引出的
- php导出excel表格 打不开,phpspreadsheet 导出的EXCEL 文件打不开