Hello!您能点开我的博客,我感到很荣幸,希望能对您有帮助。我是第一次写,如有不足之处,还请前辈多多指教。
以下是我写的一个爬虫小项目,爬取了智联招聘的一个网页里对于找工作的亲们比较感兴趣的几条信息,并把信息整理到了sqlite数据库里,
- 创建一个爬虫文件,如zhilianspider.py
import scrapy
from CommmonSpider.items import CommmonSpiderItem
class ZhilianSpiderSpider(scrapy.Spider):
# 爬虫名称,唯一
name = 'zhilian_spider'
# 允许访问的域
allowed_domains = ['www.zhaopin.com']
# 起始网址
start_urls = ['https://jobs.zhaopin.com/447375014271949.htm']
# 爬虫入口
def parse(self, response):
# 保证爬虫框架能够运行起来
# print(response.text)
# 通过Xpath提取字段
# 提取响应路径为所有h1标签的文本内容(字符串形式)第一个
job_title = response.xpath('//h1/text()').extract_first()
# 提取响应路径为所有p标签的文本内容以字符串形式组成列表
job_descriptor=response.xpath("//p/text()").extract()
job_addr = response.xpath('//a[@href="http://www.zhaopin.com/lanzhou/"]/text()').extract_first()
job_salary = response.xpath('//strong/text()').extract()[3]
# 设置空字符串
job_result=""
# 遍历列表
for job_str in job_descriptor:
#拼接字符串
job_result+