第一步先导入urllib.request模块,记住python2跟3在模块上面使用是有区别的,这个模块就是如此。
如果我们想访问多个页面的话需要找寻网站的网址规律是怎么样的
http://www.risfond.com/case/fmcg/26700 ,http://www.risfond.com/case/fmcg/26701,
点击网址下一条就可以发现网址的规律,网址后面的数字是发生了改变的,
所以可以采用字符串格式化跟range函数,for in来进行使用,基础知识附带使用讲解下。
range函数
可以生成一个整数序列,里面只有一个参数默认从0开始,2个参数是含头不含尾,示例如下:
字符串格式化,%s代表字符串,%d代表数字,当不知道用什么的情况下可以用%s代替,format是用{}.format()的方式做到字符串格式化的。
发送请求
for i in range(26700,26716):
url = ‘http://www.risfond.com/case/fmcg/{}’.format(i)
html = urllib.request.urlopen(url).read().decode(‘utf-8’)#urlopen打开网址 read 读取源代码
print(html)
第二步:从源码解析所需要的数据
这里用的是re正则表达式,可以根据一定的规则从源码中匹配出相对应的内容,打个比方说,我去水果店买西瓜,西瓜的特征是果绿色的外壳,红色的果肉,椭圆形状,都是根据这个特征去寻找的,在网站中间也是如此,获取的内容有着共同的标签比如div,而且都是在一样的html布局中,就可以写一个正则,用findall去从源码html中匹配出来。
page_list = re.findall(r’
第三步:数据存储到excel
根据内容,我觉得存储到excel表格里面会比较好,所以对每行也写了一定的注释,大家可以参考下!
newTable = ‘test2019.xls’#表格名称
wb = xlwt.Workbook(encoding=‘utf-8’) #创建excel文件 设置编码
ws = wb.add_sheet(‘rsfd’)#表名称
headData = [‘职位名称’,‘职位地点’,‘时间’,‘行业’,‘招聘时间’,‘人数’,‘顾问’]
for colnum in range(0,7):
ws.write(0,colnum,heData[colnum],xlwt.easyxf(‘font:bold on’))
index = 1
for j in range(0,len(items)):#计算数据有多少条
for i in range(0,7):
print(items[j][i])
ws.write(index,i,items[j][i])#行数 列数 数据
index+=1
wb.save(newTable)#保存
结果如下:我们可以看到所有的数据都被抓下来,并且存储到名为test2019的文件夹了。
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)
开发知识点,真正体系化!**
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)