前言
嗨喽~大家好呀,这里是魔王呐
现在,很多人不是在找工作的途中就是在找工作的路上(我的废话文学😂)
所以我今天来采集一下zhaopin网站,让我们来看看找工作主要要学会什么?
目录(可点击自己想去得地方哦~😋)
环境使用:
- Python 3.8
- Pycharm —> 汉化插件 translation
模块使用:
- requests >>> pip install requests
- re
- json
- csv
如果安装python第三方模块:
-
win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
-
在pycharm中点击Terminal(终端) 输入安装命令
如何配置pycharm里面的python解释器?
- 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
- 点击齿轮, 选择add
- 添加python安装路径
pycharm如何安装插件?
- 选择file(文件) >>> setting(设置) >>> Plugins(插件)
- 点击 Marketplace 输入想要安装的插件名字 比如:翻译插件 输入 translation / 汉化插件 输入 Chinese
- 选择相应的插件点击 install(安装) 即可
- 安装成功之后 是会弹出 重启pycharm的选项 点击确定, 重启即可生效
解答、教程可加Q:261823976免费获取哦~
也可以直接查看文章下方推广加助理小姐姐V免费获取呐~
基本流程思路: <通用>
一. 数据来源分析
- 确定需求, 明确采集数据内容是什么?
- 通过开发者工具进行抓包分析, 分析数据来源, 请求那个url地址可以获取相关数据内容
I. F12或者鼠标右键点击检查 选择network 刷新网页
II. 通过关键字 搜索找相应数据包
二. 代码实现步骤
- 发送请求, 对于分析得到url地址发送请求 <模拟浏览器对于url发送请求>
- 获取数据, 获取response响应数据 —> 服务器返回响应数据
- 解析数据, 提取我们想要数据内容 —> zhaopin基本信息
- 保存数据, 保存表格里面
- 多页采集, 多页数据采集
代码
因审核机制原因,我把网址里的一些东西删掉了,小可耐们可以自己添加一下哈,很容易的
还有两个字,我用拼音代替了,你们可以改回文字哦 ~
如果有不太会改或者有点点小懒惰的小可耐也可以私信我,我发你呐~ 💖
(或查看并点击网页主页(文章)左侧的流动文字免费获取哦~(可能需要往下划一下呐))
也可以直接查看文章下方推广加助理小姐姐V免费获取呐~
# 导入数据请求模块 ---> 第三方模块 需要 pip install requests 导入模块没有使用 灰色
import requests
# 导入正则模块 ---> 内置模块 不需要安装
import re
# 导入json ---> 内置模块 不需要安装
import json
# 导入格式化输出模块 ---> 内置模块 不需要安装
import pprint
# 导入csv模块
import csv
# 导入时间模块
import time
# 导入随机模块
import random
# 创建文件
f = open('python zhaopin 10页.csv', mode='a', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=[
'职位',
'公司名',
'薪资',
'城市',
'经验',
'学历',
'公司类型',
'公司规模',
'公司领域',
'福利待遇',
'发布日期',
'公司详情页',
'职位详情页',
])
# 写入表头
csv_writer.writeheader()
"""
1. 发送请求, 对于分析得到url地址发送请求 <模拟浏览器对于url发送请求>
模拟浏览器 ---> headers 在开发者工具里面headers下面的 requests headers里面
请求头, 字典数据类型, 要构建完整键值对
<Response [200]> 说明对于url地址发送请求成功了, 但是不一定得到你想要的数据
被反爬, 状态码可能还是200, 但是返回数据不是你想要的内容
"""
for page in range(1, 11):
print(f'----------------正在采集第{page}页数据内容----------------')
time.sleep(random.randint(1, 2))
# 确定url地址 --> 可以直接复制
url = f'list/010000%252C020000%252C030200%252C040000%252C090200,000000,0000,00,9,99,python,2,{page}.html'
# 模拟浏览器 headers 请求头 伪装
headers = {
# User-Agent 用户代理, 表示浏览器基本身份标识
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
}
# 发送请求 使用什么请求方式, 取决于开发者工具里的内容
response = requests.get(url=url, headers=headers)
# <Response [200]> 响应对象 200 状态码 请求成功
print(response)
# 获取数据, 获取服务器返回响应数据---> 获取文本数据 print(response.text)
"""
解析数据 ---> 提取我们想要数据内容
解析方法比较多: re css xpath json解析.... 如何选择方法 根据返回数据类型以及我想要数据内容情况
re.findall() 调用re模块里面findall方法
通过re模块找到所有我们想要数据内容 ---> 告诉它去哪里找, 找什么样数据
正则匹配提取出来数据, 返回列表 --->
"""
# 提取招聘数据 re.findall()
html_data = re.findall('window.__SEARCH_RESULT__ = (.*?)</script>', response.text)[0]
# 把字符串数据转成json字典数据
json_data = json.loads(html_data)
# print 打印字典数据, 一行展示 pprint.pprint 打印字典数据类型, 格式化展开的效果 print(json_data) pprint.pprint(json_data)
# 字典取值 ---> 根据键值对取值 根据冒号左边的内容[键], 提取冒号右边的内容[值]
# for循环遍历 把列表里面数据一个一个提取出来
for index in json_data['engine_jds']:
# 提取数据, 用字典 保存内容 学历是敲门砖, 技术才是铁饭碗.... 毕业出来 3500
dit = {
'职位': index['job_name'],
'公司名': index['company_name'],
'薪资': index['providesalary_text'],
'城市': index['workarea_text'],
'经验': index['attribute_text'][1],
'学历': index['attribute_text'][-1],
'公司类型': index['companytype_text'],
'公司规模': index['companysize_text'],
'公司领域': index['companyind_text'],
'福利待遇': index['jobwelf'],
'发布日期': index['issuedate'],
'公司详情页': index['company_href'],
'职位详情页': index['job_href'],
}
# 写入数据
csv_writer.writerow(dit)
print(dit)
尾语
成功没有快车道,幸福没有高速路。
幸福是可以通过学习来获得的,尽管它不是我们的母语。
——励志语录
本文章到这里就结束啦~感兴趣的小伙伴可以复制代码去试试哦
对啦!!记得三连哦~ 💕 另外,欢迎大家阅读我往期的文章呀~