1 爬虫工具及思路
1.工具包: selenium-webdriver 模拟浏览器(因为网页是动态加载的,而且我比较难以找到json包)
2.思路: 首先获取每个岗位的id,然后根据id构造岗位url,最后逐一访问网址并抓取所需信息。
2 准备工作
- python中下载selenium包,pip install selenium
- webdriver 官网下载对应浏览器的webdriver驱动,一定要和原文件在同一个目录下,附上谷歌官网网址:谷歌浏览器webdriver下载地址
- selenium模拟浏览器的相关操作可以参考这篇文章:python selenium库的使用
- 正则表达式相关操作参照下面这篇博客python正则表达式的应用
3 代码
from selenium import webdriver
import re
import xlwt
import time
# define method that will create a browser, suitable to your operating system
import sys
def get_a_browser():
if sys.platform.startswith('win32') or sys.platform.startswith('cygwin'):
return webdriver.Chrome() # windows
else:
return webdriver.Chrome('./chromedriver') # mac
#get job id
job_id = []
part = 'data-jid="(.*?)"'
url = u'https://www.zhipin.com/c100010000/?query=%E5%95%86%E4%B8%9A%E5%88%86%E6%9E%90%E5%B8%88&page=9&ka=page-next'
browser = get_a_browser()
browser.get(