文档章节

Python爬虫爬取智联招聘职位信息

zhaobig
 zhaobig
发布于 2017/09/11 20:35
字数 830
阅读 67
收藏 1

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 xlwt


class ZLZP(object):

    def __init__(self,workname,citys):
        # 记录查找工作名称  self.workname = workname
        # 基础URL地址  self.url = 'http://sou.zhaopin.com/jobs/searchresult.ashx?'  # 工作名称  args = 'kw=%s&jl='%workname
        # 工作地点  for city in citys:
            # 判断城市是否为最后一个  if city == citys[-1]:
                args += city
            else:
                args += city
                args += '%2B'  # kw=python&jl=北京%2B上海%2B南京%2B广州%2B深圳  # 拼接完整的url地址  self.url += args
        self.headers = {
            'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:54.0) Gecko/20100101 Firefox/54.0'  }
    # 根据页码获取某一页HTML源代码  def get_page(self,pageNum):
        # 1.根据页码拼接完整的url地址  getUrl = self.url + '&p=%s'%pageNum
        # 2.创建request对象  request = urllib2.Request(getUrl,headers=self.headers)
        try:
            response = urllib2.urlopen(request)
        except Exception ,e:
            print '获取第%s页数据失败,原因%s'%(pageNum,e)
            return None  else:
            return response.read()

    # 从html代码中提取总职位数  def get_total(self,html):
        # 1.准备正则表达式  pattern = re.compile(r'<span class="search_yx_tj.*?em>(.*?)</em>',re.S)
        # 2.根据正则表达式从源代码中查找数据  rs = re.search(pattern,html)
        # 3.记录总职位数,计算总页数  total = int(rs.group(1))
        print '共搜索到%s个相关职位信息...'%total
        # 不能被60整除,总页码+1  if total%60 == 0:
            self.totalPage = total/60  else:
            self.totalPage = total/60+1  # 提取数据函数  def get_data(self,html):
        # 1.准备正则  # print html  pattern = re.compile(r'<table.*?class="newlist.*?<td class="zwmc.*?<a.*?>(.*?)</a>.*?<td class="gsmc.*?_blank">(.*?)</a>.*?<td class="zwyx">(.*?)</td.*?<td class="gzdd">(.*?)</td>',re.S)
        # 2.从html源代码中搜索  results = re.findall(pattern,html)
        # 3.去除数据中标签  rs_data = []
        for rs in results:
            remove_b = re.compile(r'<.*?>',re.S)
            name = re.sub(remove_b,'',rs[0])
            rs_tp = (name,rs[1],rs[2],rs[3])
            rs_data.append(rs_tp)
        return rs_data
    # 开始爬虫函数  def start(self):
        # 1.获取第一页查询职位的HTML源代码  html = self.get_page(1)
        if html == None:
            return  # 2.从html源代码中提取总职位数  self.get_total(html)
        # 3.for循环循环总页数次(循环10次)  # 创建workbook对象  workbook = xlwt.Workbook(encoding='utf-8')
        print type(self.workname)
        # unicode 将一个str类型的字符串转换为unicode字符  # 中文编码格式GBK,  print type(unicode(self.workname,encoding='utf-8'))
        name = u'智联表'+unicode(self.workname,encoding='utf-8')
        print type(name)
        sheet = workbook.add_sheet(name)
        sheet.write(0,0,'职位名称')
        sheet.write(0,1,'公司名称')
        sheet.write(0,2,'职位月薪')
        sheet.write(0,3,'工作地点')
        # count 记录当前的行号  count = 1  for x in range(1,11):
            # 1.根据页码获取该页的HTML源代码  print '正在写入第%s页数据....'%x
            html = self.get_page(x)
            if html == None:
                continue  # 2.从html源代码中提取数据  rs_data = self.get_data(html)
            # 3.写入本地文件  for rs in rs_data:
                sheet.write(count,0,rs[0])
                sheet.write(count,1,rs[1])
                sheet.write(count,2,rs[2])
                sheet.write(count,3,rs[3])
                count+=1  # 保存文件  print type(self.workname)
        filename = u'智联%s职位信息.xls'%unicode(self.workname,encoding='utf-8')
        workbook.save(filename)

'''  Python3之前:  要存储到本地的数据,保证是UTF-8编码  要在Python中使用的字符,保证是Unicode类型的字符  unicode(self.workname,encoding='utf-8')  字符串类型 str 输入的文本内容、''或""包裹的文本 '''   if __name__ == '__main__':

    workname = raw_input('请输入要查询的工作名称:')
    # 存放工作城市  citys = []
    # 只要城市小于5个,继续输入城市  while len(citys) < 5:
        city = raw_input('请输入意向城市,最多输入5个,输入0结束:')
        if city == '0':
            break  citys.append(city)

    zlzp = ZLZP(workname,citys)
    zlzp.start()

© 著作权归作者所有

共有 人打赏支持
zhaobig
粉丝 0
博文 5
码字总数 5529
作品 0
省直辖县级行政区划
python3 scrapy爬取智联招聘存mongodb

写在前面,这次写智联招聘的爬虫是其次,主要的是通过智联招聘上的数据信息弄一个数据挖掘的小项目,这一篇主要是如何一气呵成的将智联招聘上的招聘信息给爬下来 (一)scrapy框架的使用 sc...

徐代龙
05/01
0
0
使用Python爬取网络数据并使用SSAS进行数据分析

主要内容 使用Python分别爬取百度搜索页面结果和智联招聘的6大类职业信息,数据主要使用SQLServer SSAS进行分析,并有少量的使用Python分析结果。 对于百度搜索的数据和智联招聘的页面数据是...

python达人
05/12
0
0
[python爬虫] 招聘信息定时系统 (一).BeautifulSoup爬取信息并存储MySQL

这系列文章主要讲述,如何通过Python爬取招聘信息,且爬取的日期为当前天的,同时将爬取的内容保存到数据库中,然后制作定时系统每天执行爬取,最后是Python调用相关库发送短信到手机。 最近...

Eastmount
2017/04/22
0
0
一个月入门Python爬虫,快速获取大规模数据

数据是创造和决策的原材料,高质量的数据都价值不菲。而利用爬虫,我们可以获取大量的价值数据,经分析可以发挥巨大的价值,比如: 豆瓣、知乎:爬取优质答案,筛选出各话题下热门内容,探索...

Python开发者
04/25
0
0
2个月精通Python爬虫——3大爬虫框架+6场实战+分布式爬虫,包教包会

阿里云大学在线工作坊上线,原理精讲+实操演练,让你真正掌握云计算、大数据技能。 在第一批上线的课程中,有一个Python爬虫的课程,畅销书《精通Python网络爬虫》作者韦玮,带你两个月从入门...

云木西
06/27
0
0

没有更多内容

加载失败,请刷新页面

加载更多

下一页

maven坐标和依赖

一、maven坐标详解 <groupId>com.fgt.club</groupId><artifactId>club-common-service-facade</artifactId><version>3.0.0</version><packaging>jar</packaging> maven的坐标元素说......

老韭菜
今天
1
0
springmvc-servlet.xml配置表功能解释

问:<?xml version="1.0" encoding="UTF-8" ?> 答: xml version="1.0"表示是此xml文件的版本是1.0 encoding="UTF-8"表示此文件的编码方式是UTF-8 问:<!DOCTYPE beans PUBLIC "-//SPRING//......

隐士族隐逸
今天
1
0
基于TP5的微信的公众号获取登录用户信息

之前讲过微信的公众号自动登录的菜单配置,这次记录一下在TP5项目中获取自动登录的用户信息并存到数据库的操作 基本的流程为:微信设置自动登录的菜单—>访问的URL指定的函数里获取用户信息—...

月夜中徘徊
今天
0
0
youTrack

package jetbrains.teamsys.license.runtime; 计算lis package jetbrains.ring.license.reader; 验证lis 安装后先不要生成lis,要把相关文件进行替换 ring-license-checker-1.0.41.jar char......

max佩恩
今天
1
0
12.17 Nginx负载均衡

Nginx负载均衡 下面的dig看到可以返回2个IP,就是解析出来的IP,这样我们可以做负载均衡。 dig www.qq.com 1.vim /usr/local/nginx/conf/vhost/fuzai.conf 2.添加如下配置 upstream qq //定义...

芬野de博客
今天
0
0

没有更多内容

加载失败,请刷新页面

加载更多

下一页

返回顶部
顶部