Python 3.6 優(yōu)雅的爬取獵聘網(wǎng)招聘信息

  1. 通過三種方式抓取字段:

    招聘標題 待遇 地區(qū) 學(xué)歷要求 經(jīng)驗 公司名稱 公司的行業(yè) 職位描述

  2. 效果預(yù)覽


    爬取

    image

    image
  3. 注意事項

    • 利用xpath或者其它方式選取節(jié)點時缔逛,需要注意判斷是否為None,如果在后面調(diào)用.strip()等方法肯定會報錯昼激,所以建議提取出一個共用的判斷方法
    • url拼接問題,當大部分詳情頁鏈接都有schema時曹质,突然返回你一個沒有https://等的鏈接而涉,此時爬取肯定出錯荠藤,所以建議使用parse.urljoin('https://www.liepin.com',url)方法拼接
    • 建議使用bs4爬取時半抱,選取select方法,能提高編程效率和避免一些由于class或其它屬性有多個值的情況
  4. 上代碼

    • 首先定義一個Spider類驯杜,其主要作用就是作為其它三種方式的父類受啥,提取出共有的行為,學(xué)過Java的應(yīng)該很好理解鸽心,它們都有請求數(shù)據(jù)滚局,解析數(shù)據(jù),請求工作詳情數(shù)據(jù)顽频,解析工作詳情數(shù)據(jù)藤肢,解析數(shù)據(jù)的話,得讓子類實現(xiàn)糯景,所以此類需要設(shè)置為抽象類

        class Spider():
            __metaclass__ = abc.ABCMeta
            
            def __init__(self):
            self.row_title = ['標題','待遇','地區(qū)','學(xué)歷要求','經(jīng)驗','公司名稱','所屬行業(yè)','職位描述']
            sheet_name = "獵聘網(wǎng)"
            self.execl_f, self.sheet_info = ExeclUtils.create_execl(sheet_name,self.row_title)
            # add element in one data
            self.job_data = []
            # the data added start with 1
            self.count = 0
            
            def crawler_data(self):
                '''
                crawler data
                '''
                for i in range(0,5):
                    url = 'https://www.liepin.com/zhaopin/?industryType=&jobKind=&sortFlag=15&degradeFlag=0&industries=&salary=&compscale=&key=Python&clean_condition=&headckid=4a4adb68b22970bd&d_pageSize=40&siTag=p_XzVCa5J0EfySMbVjghcw~fA9rXquZc5IkJpXC-Ycixw&d_headId=62ac45351cdd7a103ac7d50e1142b2a0&d_ckId=62ac45351cdd7a103ac7d50e1142b2a0&d_sfrom=search_fp&d_curPage=0&curPage={}'.format(i)
                    self.request_job_list(url)
                    time.sleep(2)   
            
            def request_job_list(self,url):
                '''
                get the job data by request url
                '''
                try:
                    headers = {
                        'Referer':'https://www.liepin.com/',
                        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36'
                        }
                    reponse = requests.get(url,headers = headers)
                    # utf-8
                    if reponse.status_code != 200:
                        return
                    self.parse_job_list(reponse.text)
                except Exception as e:
                    # raise e
                    print('request_job_list error : {}'.format(e))
            
            @abc.abstractmethod
            def parse_job_list(self,text):
                '''
                parsing the data from the response
                '''
                pass
            
            def request_job_details(self,url):
                '''
                request thr job detail's url
                '''
                try:
                    headers = {
                    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36'
                    }
                    response = requests.get(url,headers = headers);
                    # utf-8
                    if response.status_code != 200:
                        return
                    self.parse_job_details(response.text)
                except Exception as e:
                    # raise e
                    print('request_job_details error : {}'.format(e))
            
            @abc.abstractmethod
            def parse_job_details(self,text):
                '''
                parsing the job details from text
                '''
                pass
            .......
      
    • 剩下的xpath嘁圈、re、bs爬取蟀淮,它們的類只需要繼承該類最住,實現(xiàn)其抽象方法

    • 由于上代碼篇幅太長,直接上傳送門

    • thank you for reading

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末灭贷,一起剝皮案震驚了整個濱河市温学,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌甚疟,老刑警劉巖仗岖,帶你破解...
    沈念sama閱讀 221,548評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異览妖,居然都是意外死亡轧拄,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,497評論 3 399
  • 文/潘曉璐 我一進店門讽膏,熙熙樓的掌柜王于貴愁眉苦臉地迎上來檩电,“玉大人,你說我怎么就攤上這事府树±” “怎么了?”我有些...
    開封第一講書人閱讀 167,990評論 0 360
  • 文/不壞的土叔 我叫張陵奄侠,是天一觀的道長卓箫。 經(jīng)常有香客問我,道長垄潮,這世上最難降的妖魔是什么烹卒? 我笑而不...
    開封第一講書人閱讀 59,618評論 1 296
  • 正文 為了忘掉前任闷盔,我火速辦了婚禮,結(jié)果婚禮上旅急,老公的妹妹穿的比我還像新娘逢勾。我一直安慰自己,他們只是感情好藐吮,可當我...
    茶點故事閱讀 68,618評論 6 397
  • 文/花漫 我一把揭開白布溺拱。 她就那樣靜靜地躺著,像睡著了一般谣辞。 火紅的嫁衣襯著肌膚如雪盟迟。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,246評論 1 308
  • 那天潦闲,我揣著相機與錄音,去河邊找鬼迫皱。 笑死歉闰,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的卓起。 我是一名探鬼主播和敬,決...
    沈念sama閱讀 40,819評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼戏阅!你這毒婦竟也來了昼弟?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,725評論 0 276
  • 序言:老撾萬榮一對情侶失蹤奕筐,失蹤者是張志新(化名)和其女友劉穎舱痘,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體离赫,經(jīng)...
    沈念sama閱讀 46,268評論 1 320
  • 正文 獨居荒郊野嶺守林人離奇死亡芭逝,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,356評論 3 340
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了渊胸。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片旬盯。...
    茶點故事閱讀 40,488評論 1 352
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖翎猛,靈堂內(nèi)的尸體忽然破棺而出胖翰,到底是詐尸還是另有隱情,我是刑警寧澤切厘,帶...
    沈念sama閱讀 36,181評論 5 350
  • 正文 年R本政府宣布萨咳,位于F島的核電站,受9級特大地震影響迂卢,放射性物質(zhì)發(fā)生泄漏某弦。R本人自食惡果不足惜桐汤,卻給世界環(huán)境...
    茶點故事閱讀 41,862評論 3 333
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望靶壮。 院中可真熱鬧怔毛,春花似錦、人聲如沸腾降。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,331評論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽螃壤。三九已至抗果,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間奸晴,已是汗流浹背冤馏。 一陣腳步聲響...
    開封第一講書人閱讀 33,445評論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留寄啼,地道東北人逮光。 一個月前我還...
    沈念sama閱讀 48,897評論 3 376
  • 正文 我出身青樓,卻偏偏與公主長得像墩划,于是被迫代替她去往敵國和親涕刚。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 45,500評論 2 359

推薦閱讀更多精彩內(nèi)容