2024年Python 基于Xpath和lxml库解析网站_招聘网站 爬虫lxml+xpath

在之前的学习笔记中，介绍了Xpath语法规则和lxml库的基本使用，同时也列举出了一部分示例代码。为了更加深入地学习和运用好这两大工具，下面以爬取Tencent招聘网站职位信息为实例介绍在实践中基于Xpath和lxml库编写爬虫的基本流程和方法。

Tencent招聘网址：https://hr.tencent.com/

进入网站后，我们来浏览一下社会招聘一栏，并输入搜索关键字为’python’，之后方可进入如下页面：

此后，在爬取前，我们先任意选择一个职位进入职位详情页，分析一下我们所要爬取的信息有哪些。在如下详情页中我们可以看到欲获取的信息有职位名称、工作地点、职位类别、招聘人数、工作职责和要求。

这么一来，爬取需求就已经明确，那么接下来就是分析爬取过程。回顾一下，我们是如何进入职位详情页——在社会招聘先输入关键字后进入职位列表页，然后点击一个职位，浏览器便打开了一个新的url地址，而这也就是职位详情页。因此总体过程是：发送请求获取职位列表页，然后从列表中检索每一个职位详情页的url，再发送新的请求进入详情页，此后便可开展信息提取工作。

第一部分——获取职位详情页url

通过上述分析知，职位详情页url蕴含在职位列表中，所以我们先从职位列表页分析。我们要爬取的是所有职位信息，而这些职位是分布在不同的组(页)中，因此我们先依次点击几页看看这些不同页的url都有什么关联。

经实践后得到如下URL

第2页：https://hr.tencent.com/position.php?lid=&tid=&keywords=python&start=10#a

第3页：https://hr.tencent.com/position.php?lid=&tid=&keywords=python&start=20#a

第4页：https://hr.tencent.com/position.php?lid=&tid=&keywords=python&start=30#a

…

这里我们可以发现其URL是有一定规律的，它们的大体构成都相同，只是参数start的值不同。经分析后我们可以知道其实start代表的是当前显示职位列表在全部职位中的起始序号，这个与每页显示的职位个数有关，比如每页显示10条，第2页起始为10，那么第3页起始就是10+10=20，第4页就是20+10=30……如此一来，我们就基本上找到了URL的构成法，那么是不是都这样的呢？以第1页为例，按照我们的分析，第1页URL中应该对应的是10-10=0，我们从其他页点击第1页来验证一下，结果发现确实是0，也印证了我们推测的正确性。考虑到后面锚点’#a’对请求无关紧要，因此职位列表URL结构为：’https://hr.tencent.com/position.php?lid=&tid=&keywords=python&start={}’

在此之后我们便可以结合之前学习的Xpath与lxml来获取相应的URL信息。这里我们要注意一点的是在获取href属性时，我们检查元素发现其前面没有域名，同上分析详情页URL我们可以得知其构成法为’域名+href’,故在获取href后需要做适当修改。

第二部分——职位详细解析

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

---

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
里无偿获取](https://bbs.csdn.net/topics/618317507)**

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！