使用scrapy框架爬取51job全国数据分析职位信息并做简单分析

使用scrapy框架爬取51job全国数据分析职位信息并做简单分析

工具：scrapy，MongoDB，Excel，tableau

1.分析网页链接，里面包含有【keyword=数据分析师&keywordtype=2&curr_page=1】这些关键信息，可以看出换页操作只需要更改curr_page的值。
2.查看网页源代码，发现职位信息都藏在源代码里，这样直接从源代码里提取职位信息就好了
3.先编写items，这里提取职位名称，薪资，公司名称，公司类型，公司规模，公司标签，所在城市，学历要求，工作经验，福利，招聘要求标签

class Job61Item(scrapy.Item):
    jobname=scrapy.Field()
    salary=scrapy.Field()
    company=scrapy.Field()
    companytype=scrapy.Field()
    companyscale=scrapy.Field()
    companytag=scrapy.Field()
    city=scrapy.Field()
    record=scrapy.Field()
    workyear=scrapy.Field()
    welfare=scrapy.Field()
    requirements=scrapy.Field()
    pass

4.再编写pipelines，把获取到的数据保存到MongoDB

import pymongo

class MongoPipeline(object):

    collection_name = 'scrapy_items'

    def __init__(self, mongo_uri, mongo_db):
        self.mongo_uri = mongo_uri
        self.mongo_db = mongo_db

    @classmethod
    def from_crawler(cls, crawler):
        return cls(
            mongo_uri=crawler.settings.get('MONGO_URI'),
            mongo_db=crawler.settings.get('MONGO_DATABASE')
        )

    def open_spider(self, spider):
        self.client = pymongo.MongoClient(self.mongo_uri)
        self.db = self.client[self.mongo_db]

    def close_spider(self, spider):
        self.client.close()

    def process_item(self, item, spider):
        self.db