Python爬虫抓取智联招聘（基础版）

接下来跳转到搜索结果页面，按"F12"打开开发者工具，然后在"热门地区"栏选择"海淀"，我们看一下地址栏：

由地址栏后半部分searchresult.ashx?jl=北京&kw=python工程师&sm=0&isfilter=1&p=1&re=2005可以看出，我们要自己构造地址了。接下来要对开发者工具进行分析，按照如图所示步骤找到我们需要的数据：Request Headers和Query String Parameters ：

构造请求地址：

paras = {

‘jl’: ‘北京’, # 搜索城市

‘kw’: ‘python工程师’, # 搜索关键词

‘isadv’: 0, # 是否打开更详细搜索选项

‘isfilter’: 1, # 是否对结果过滤

‘p’: 1, # 页数

‘re’: 2005 # region的缩写，地区，2005代表海淀

}

url = ‘https://sou.zhaopin.com/jobs/searchresult.ashx?’ + urlencode(paras)

请求头：

headers = {

‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36’,

‘Host’: ‘sou.zhaopin.com’,

‘Referer’: ‘https://www.zhaopin.com/’,

‘Accept’: ‘text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,/;q=0.8’,

‘Accept-Encoding’: ‘gzip, deflate, br’,

‘Accept-Language’: ‘zh-CN,zh;q=0.9’

}

1.2 分析有用数据

接下来我们要分析有用数据，从搜索结果中我们需要的数据有：职位名称、公司名称、公司详情页地址、职位月薪：

通过网页元素定位找到这几项在HTML文件中的位置，如下图所示：

用正则表达式对这四项内容进行提取：

正则表达式进行解析

pattern = re.compile(‘(.?).?’ # 匹配职位信息

‘(.?).?’ # 匹配公司网址和公司名称

‘(.*?)’, re.S) # 匹配月薪

匹配所有符合条件的内容

items = re.findall(pattern, html)

注意：解析出来的部分职位名称带有标签，如下图所示：

那么在解析之后要对该数据进行处理剔除标签，用如下代码实现：

for item in items:

job_name = item[0]

job_name = job_name.replace(‘’, ‘’)

job_name = job_name.replace(‘’, ‘’)

yield {

‘job’: job_name,

‘website’: item[1],

‘company’: item[2],

‘salary’: item[3]

}

2、写入文件

---

我们获取到的数据每个职位的信息项都相同，可以写到数据库中，但是本文选择了csv文件，以下为百度百科解释：

逗号分隔值（Comma-Separated

Values，CSV，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。纯文本意味着该文件是一个字符序列，不含必须像二进制数字那样被解读的数据

由于python内置了csv文件操作的库函数，所以很方便：

import csv

def write_csv_headers(path, headers):

‘’’

写入表头

‘’’

with open(path, ‘a’, encoding=‘gb18030’, newline=‘’) as f:

f_csv = csv.DictWriter(f, headers)

f_csv.writeheader()

def write_csv_rows(path, headers, rows):

‘’’

写入行

‘’’

with open(path, ‘a’, encoding=‘gb18030’, newline=‘’) as f:

f_csv = csv.DictWriter(f, headers)

f_csv.writerows(rows)

3、进度显示

---

要想找到理想工作，一定要对更多的职位进行筛选，那么我们抓取的数据量一定很大，几十页、几百页甚至几千页，那么我们要掌握抓取进度心里才能更加踏实啊，所以要加入进度条显示功能。

本文选择tqdm 进行进度显示，来看一下酷炫结果（图片来源网络）：

执行以下命令进行安装：

pip install tqdm

简单示例：

from tqdm import tqdm

from time import sleep

for i in tqdm(range(1000)):

sleep(0.01)

4、完整代码

---

以上是所有功能的分析，如下为完整代码：

#-- coding: utf-8 --

import re

import csv

import requests

from tqdm import tqdm

from urllib.parse import urlencode

from requests.exceptions import RequestException

‘’’

python学习交流群：1136201545更多学习资料可以加群获取

‘’’

def get_one_page(city, keyword, region, page):

‘’’

获取网页html内容并返回

‘’’

paras = {

‘jl’: city, # 搜索城市

‘kw’: keyword, # 搜索关键词

‘isadv’: 0, # 是否打开更详细搜索选项

‘isfilter’: 1, # 是否对结果过滤

‘p’: page, # 页数

‘re’: region # region的缩写，地区，2005代表海淀

}

headers = {

‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36’,

‘Host’: ‘sou.zhaopin.com’,

‘Referer’: ‘https://www.zhaopin.com/’,

‘Accept’: ‘text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,/;q=0.8’,

‘Accept-Encoding’: ‘gzip, deflate, br’,

‘Accept-Language’: ‘zh-CN,zh;q=0.9’

}

url = ‘https://sou.zhaopin.com/jobs/searchresult.ashx?’ + urlencode(paras)

try:

获取网页内容，返回html数据

response = requests.get(url, headers=headers)

通过状态码判断是否获取成功

if response.status_code == 200:

return response.text

return None

except RequestException as e:

return None

def parse_one_page(html):

‘’’

解析HTML代码，提取有用信息并返回
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）

3679568125)]

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）