Python爬虫攻略:智联招聘基础抓取教程
时间:2025-05-22 11:06:05 284浏览 收藏
本文详细介绍了如何使用Python爬虫技术抓取智联招聘网站上的职位信息。文章以北京海淀区的Python工程师为例,讲解了如何分析网页请求地址和提取有用数据。通过使用Python3.6和Sublime Text,结合Chrome浏览器的开发者工具,读者可以学会如何构造请求地址、提取职位名称、公司名称、职位月薪等信息,并将数据写入CSV文件。此外,文章还介绍了如何使用tqdm库显示抓取进度,帮助用户更直观地了解爬虫运行情况。
运行平台: Windows
Python版本: Python3.6
IDE: Sublime Text
其他工具: Chrome浏览器
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,我们需要自己构造地址。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>.*?' # 匹配职位信息 '(.*?)a>.*?' # 匹配公司网址和公司名称 ' (.*?)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('<', '') job_name = job_name.replace('>', '') 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:
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 tqdm from time import sleepfor i in tqdm(range(1000)): sleep(0.01)
4、完整代码
今天关于《Python爬虫攻略:智联招聘基础抓取教程》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于csv文件,数据提取,Python爬虫,智联招聘,tqdm的内容请关注golang学习网公众号!
相关阅读更多>
501 收藏 501 收藏 501 收藏 501 收藏 501 收藏最新阅读更多>
313 收藏 141 收藏 159 收藏 448 收藏 192 收藏 192 收藏 471 收藏 247 收藏 181 收藏 376 收藏 178 收藏 351 收藏课程推荐更多>
![]()
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 立即学习 542次学习
![]()
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 立即学习 508次学习
![]()
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 立即学习 497次学习
![]()
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 立即学习 487次学习
![]()
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 立即学习 484次学习