为方便获取公司职位信息,便于自己找校招工作哈哈,制作简单爬虫。
此次模块简单说明图
HtmlDownloader:专门负责html资源下载的类
UrlManager:负责爬虫URL管理类,放置重复爬取相同网页
HtmlOutputer:专门负责输出类,为方便展示数据,采用html输出
1.Company_Outputer: 具体特殊业务逻辑类,针对公司信息进行输出
2.Position_Outputer: 具体特殊业务逻辑类,针对职位信息进行输出
Parser:解析网页类
1.CompanyUrl_Parser: 针对信息解析网页Url,返回公司Url集合
2.CompanyInfo_Parser: 针对信息解析网页信息,返回公司信息实体类
3.Position_Parser: 针对信息解析网页信息,返回职位信息实体类
Model:建立相关实体类,方便数据的打包传输
Main:程序入口模块
代码详情见于:https://github.com/sssvip/spider/tree/master/findjob