休想。我这就把代码贴出来。这一过程是明确的。我还标记了这些评论。
[En]
Forget it. I’ll just post the code. The process is clear. I also marked the comments.
本文还提供了相应的视频教程：
[En]
There are also corresponding video tutorials for this article:
f = open('python招聘数据1.csv', mode='a', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=[
'标题',
'公司名字',
'城市',
'薪资',
'招聘信息',
'公司属性',
'公司规模',
'企业性质',
'招聘发布日期',
'公司详情页',
'招聘详情页',
])
csv_writer.writeheader() # 写入表头数据
for page in range(1, 11):
# 1. 发送请求, 对于url地址发送请求
url = f'https://search.51job.com/list/010000%252C020000%252C030200%252C040000%252C090200,000000,0000,00,9,99,python,2,{page}.html'
# 把python代码进行伪装, 伪装浏览器对服务器发送请求
# User-Agent 浏览器的基本信息
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36'
}
response = requests.get(url=url, headers=headers) # 调用 requests这个模块里面get方法对于 url发送请求
# 2. 获取数据, 获取服务器发给我们返回的数据响应数据
# <> 表示response响应对象 200 状态码 表示请求成功
# response.text 获取响应体的文本数据(网页源代码)
# print(response.text)
# 3. 解析数据, 提取我们想要的数据内容 (比如 招聘标题, 招聘薪资...)
# 解析方法: re正则表达式, css选择器 xpath 根据服务器返回的数据内容, 选择最适合的解析方式
# 遇事不决 .*? 元字符 . 可以匹配任意字符串除了换行符以外 * 匹配前一个字符串 0个或者多个 ? 非贪婪匹配模式
# [] 表示列表
# {} 可能想到的是字典数据类型
# .*? 可以匹配任意字符串 除了 换行符\n
# 通过re模块调用 findall 方法 'window.__SEARCH_RESULT__ = (.*?)' 要匹配的数据内容 response.text从哪里匹配数据 [0] 列表索引取第一个元素
# 正则表达式详细内容讲解 在VIP课程里面 要讲三个小时左右
html_data = re.findall('window.__SEARCH_RESULT__ = (.*?)', response.text, re.S)[0]
# print(html_data)
# print(type(html_data))
# 把这个字符串数据类型 转成 字典数据类型 通过键值对取值方式提取想要的内容
json_data = json.loads(html_data)
# print(type(json_data))
# 字符串的时候 里面的引号是双引号 字典时候就变成了单引号
# print(json_data)
# pprint.pprint(json_data['engine_jds'])
# 字典取值 根据冒号左边的内容, 提取冒号右边的内容
# parsel 数据解析
for index in json_data['engine_jds']:
# pprint.pprint(index)
dit = {
'标题': index['job_name'],
'公司名字': index['company_name'],
'城市': index['workarea_text'],
'薪资': index['providesalary_text'],
'招聘信息': '|'.join(index['attribute_text']),
'公司属性': index['companyind_text'],
'公司规模': index['companysize_text'],
'企业性质': index['companytype_text'],
'招聘发布日期': index['issuedate'],
'公司详情页': index['company_href'],
'招聘详情页': index['job_href'],
}
csv_writer.writerow(dit)
print(dit)
Original: https://www.cnblogs.com/hahaa/p/15473432.html
Author: 轻松学Python
Title: 【Python爬虫】招聘网站实战合集第一弹：爬取前程无忧
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/510956/
转载文章受原作者版权保护。转载请注明原作者出处！