大家好，我是霖hero

相信很多人都希望进腾讯这种大厂工作吧，人工高福利好，那么腾讯公司现在在招哪些职位，职位要求是什么呢，今天我们通过Scrapy框架来爬取腾讯招聘网，一探究竟！！！

爬前分析

爬取前我们来简单分析一下腾讯的技术岗招聘网页，进入网站并打开开发者工具，如下图所示：

通过上图可以知道，职位的数据存放在<div class="recruit-wrap recruit-margin"标签中，那么我们打开网页源代码看看，数据是否存放在网页源代码里面，如下图所示：

发现数据没有存放在源代码里面，由此可以推断数据是通过JavaScript渲染出来，那么我们查看Ajax请求，看看Ajax请求中有没有存放职位信息的数据，如下图所示：

既然有Ajax请求中存放着职位数据，那么我们可以通过Ajax请求来获取，先来看看该请求的URL链接是怎样的：

https://careers.tencent.com/tencentcareer/api/post/Query?timestamp=1629464904109&countryId=&cityId=&bgIds=&productId=&categoryId=40001001,40001002,40001003,40001004,40001005,40001006&parentCategoryId=&attrId=&keyword=&pageIndex=2&pageSize=10&language=zh-cn&area=cn

发现该请求的URL那么长，那么我们尝试删减一下该URL的数据，如下所示：

#第一页
https://careers.tencent.com/tencentcareer/api/post/Query?categoryId=40001001,40001002,40001003,40001004,40001005,40001006&pageIndex=1&pageSize=10&language=zh-cn&area=cn

#第二页
https://careers.tencent.com/tencentcareer/api/post/Query?categoryId=40001001,40001002,40001003,40001004,40001005,40001006&pageIndex=2&pageSize=10&language=zh-cn&area=cn

#第三页
https://careers.tencent.com/tencentcareer/api/post/Query?categoryId=40001001,40001002,40001003,40001004,40001005,40001006&pageIndex=3&pageSize=10&language=zh-cn&area=cn

通过简单删减可以得出该URL可以为上面的URL，而且pageIndex的翻页的重要参数。

好了，数据的存储位置和URL已经知道了，接下来我们开始爬取数据。

实战演练

创建scrapy项目

首先要创建一个scrapy项目，创建方式很简单，只要在执行以下命令即可：

scrapy startproject Tencent

执行命令后，pycharm的项目目录下会多了很多文件，如下图所示：

创建spider爬虫

创建spider爬虫的方式也很简单，只要执行如下命令即可：

scrapy genspider 爬取名 网站域名
scrapy genspider tencent careers.tencent.com

执行后，在spiders文件夹中会多了一个tencent.py文件，该文件就是刚才创建的spider爬虫，其文件内容下所示：

import scrapy

class Tencent1Spider(scrapy.Spider):name = 'tencent'allowed_domains = ['careers.tencent.com']start_urls = ['http://careers.tencent.com/']
def parse(self, response):pass

其中

name是我们的爬虫名；
allowed_domains是域名，也就是爬虫爬取的范围；
start_urls是爬虫最开始爬取的URL链接；
parse()是用来解析响应、提取数据。

注意：parse()不能修改名字。

定义字段

在编写代码提取数据前，我们先来在items.py定义爬取的字段，字段类型为scrapy.Field，代码如下所示：

import scrapy

class TencentItem(scrapy.Item):# define the fields for your item here like:RecruitPostName = scrapy.Field()    #职位名LocationName = scrapy.Field()       #地址Responsibility = scrapy.Field()     #工作要求

提取数据

定义好字段后，接下来开始在tencent.py中编写代码来提取数据，具体代码如下所示：

import scrapy
from Tencent.items import TencentItem
class TencentSpider(scrapy.Spider):name = 'tencent'allowed_domains = ['careers.tencent.com']start_urls = ['https://careers.tencent.com/tencentcareer/api/post/Query?categoryId=40001001,40001002,40001003,40001004,40001005,40001006&pageIndex=1&pageSize=10&language=zh-cn&area=cn']
def parse(self, response):json=response.json()datas = json.get('Data').get('Posts')for data in datas:item=TencentItem()item['RecruitPostName']=data.get('RecruitPostName'),item['LocationName']=data.get('LocationName'),item['Responsibility']=data.get('Responsibility').replace('\n','')yield item

首先我们导入items.py文件中的TencentItem，再修改start_urls的URL链接，定义一个json变量来接收网页响应的json()数据，通过for循环把每条职位信息循环遍历并提取我们想要的数据并放在item字典里面，其中item=TencentItem()相当于创建一个空字典item={}，

翻页操作

首页我们已经成功获取到了，接下来要进行翻页操作，具体代码如下所示：

for i in range(2,4):next_url=f'https://careers.tencent.com/tencentcareer/api/post/Query？categoryId=40001001,40001002,40001003,40001004,40001005,40001006&pageIndex={i}&pageSize=10&language=zh-cn&area=cn'yield scrapy.Request(next_url,callback=self.parse)

首先我们创建一个for循环来进行翻页，调用yield生成器来返回数据给引擎，并调用scrapy.Request()方法，该方法能构建一个requests，同时指定提取数据的callback函数。

settings.py配置

在启动爬取前，我们先要在settings.py文件中编写一些代码，具体代码如下所示：

LOG_LEVEL="WARNING"
ITEM_PIPELINES = {         'Tencent.pipelines.TencentPipeline': 300,
}
USER_AGENT = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36'

其中：

LOG_LEVEL的作用的屏蔽log日志的输出；
ITEM_PIPELINES的作用是开启引擎；

保存数据

当我们要把数据保存成文件的时候，不需要任何额外的代码，只要执行如下代码即可

scrapy crawl 爬虫名 -o xxx.json      #保存为JSON文件
scrapy crawl 爬虫名 -o xxx.csv      #保存为csv文件
scrapy crawl 爬虫名 -o xxx.xml      #保存为xml文件

当要把数据保存在数据库里面或者txt文件时，则需要在pipelines.py文件中编写代码。

好了，全部代码已经编写好了，现在执行以下命令来启动爬虫

scrapy crawl tencent -o tencent.csv

结果展示

好了，爬取腾讯招聘就讲到这里了，感谢观看！！！

Python爬虫——Scrapy框架爬取腾讯招聘相关推荐

Python爬虫 scrapy框架爬取智联招聘，并把数据存入数据库，存为json格式的数据
First:创建项目:执行下面三句命令: 1. scrapy startproject zhilianzhaopin2. cd zhilianzhaopin3.scrapy genspider zhi ...
Python爬虫 scrapy框架爬取某招聘网存入mongodb解析
这篇文章主要介绍了Python爬虫 scrapy框架爬取某招聘网存入mongodb解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下创建项目 sc ...
python爬虫scrapy框架爬取网页数据_Scrapy-Python
scrapy Scrapy:Python的爬虫框架实例Demo 抓取:汽车之家.瓜子.链家等数据信息版本+环境库 Python2.7 + Scrapy1.12 初窥Scrapy Scrapy是一 ...
python爬虫库scrapy_使用Python爬虫Scrapy框架爬取数据
时隔数月,国庆期间想做个假期旅游的分析展示. 1.通过Python爬取旅游网站上数据,并存储到数据库 2.通过Echart/FineReport/Superset等数据分析工具对数据展示环境: Wi ...
python爬虫scrapy框架爬取糗妹妹段子首页
声明:本文仅为学习爬虫,请勿商业和恶意攻击网站,本文所有解释权归作者. 本文分别用两种方法把获取的段子信息存储到了本地,分别是txt文件和json文件, txt文件比较简单,生成字典后用命令直接执行即 ...
利用python的scrapy框架爬取google搜索结果页面内容
scrapy google search 实验目的爬虫实习的项目1,利用python的scrapy框架爬取google搜索结果页面内容. https://github.com/1012598167/ ...
利用Scrapy框架爬取前途无忧招聘信息
利用Scrapy框架爬取前途无忧招聘信息关于安装和命令使用可参考:https://docs.scrapy.org/en/1.7/intro/install.html 先创建项目和爬虫文件分析网站 ...
Python的Scrapy框架爬取诗词网站爱情诗送给女友
文章目录前言效果展示: 一.安装scrapy库二.创建scrapy项目三.新建爬虫文件scmg_spider.py 四.配置settings.py文件五.定义数据容器,修改item.py文件 ...
python爬虫——scrapy+selenium爬取新浪微博及评论
本文主要对爬取过程中所用到的知识做简单总结,最后有项目链接. 一.项目简介本项目利用python的scrapy框架+selenium模拟登陆微博来爬取带有关键字的微博及微博下面的评论(1 .2级评论 ...
python爬虫实例之爬取智联招聘数据
这是作者的处女作,轻点喷.... 实习在公司时领导要求学习python,python的爬虫作为入门来说是十分友好的,话不多说,开始进入正题. 主要是爬去智联的岗位信息进行对比分析出java和pytho ...

Python爬虫——Scrapy框架爬取腾讯招聘