爬虫爬取代码


import time
import pandas as pd
from lxml import etree
from selenium import webdriver


def get_web_data(dom=None):
    href = dom.xpath('//div[@class="qr-code"]/@id')

    names = []  # 岗位名称
    category = []  # 类别
    place = []  # 工作地点
    categories = []  # 服务类型
    date = []  # 发布时间
    duty = []  # 职责
    requirements = []  # 要求

    for i in href:
        href_url = 'https://careers.tencent.com/jobdesc.html?postId={}'.format(i)
        driver.get(href_url)

        dom = etree.HTML(driver.page_source)
        if dom.xpath('//title/text()') == ['404 | 腾讯招聘']:
            continue
        name = dom.xpath('//div[@class="work-title"]/text()')  # 岗位名称
        info = dom.xpath('//div[@class="work-wrapper"]/p/span/text()')  # 职位信息
        q = dom.xpath('///div[@class="duty work-module"]//ul/li/text()')  # 岗位职责
        w = dom.xpath('//div[@class="requirement work-module"]//ul/li/text()')  # 岗位要求
        names.append(name[0])
        category.append(info[0])
        place.append(info[2])
        categories.append(info[4])
        date.append(info[-1])
        duty.append(q)
        requirements.append(w)

    dutys = []
    requirement = []
    for i in duty:
        s = ''
        for y in i:
            s += ''.join(y)

    for i in requirements:
        m = ''
        for y in i:
            m += ''.join(y)

        dutys.append(s)
        requirement.append(m)

    results = {
        '岗位名称': names,
        '类别': category,
        '工作地点': place,
        '服务类型': categories,
        '发布时间': date,
        '职责': dutys,
        '要求': requirement
    }

    data = pd.DataFrame(results)
    return data


# 对所有页面进行数据爬取及解析操作,并进行数据保存
all_data = pd.DataFrame()
i = 0
driver = webdriver.Chrome()
while i <= 400:
    url = 'https://careers.tencent.com/search.html?query=ot_40001001,ot_40001002,ot_40001003,ot_40001004,ot_40001005,ot_40001006,ot_40003001,ot_40003002,' \
          'ot_40003003&index={}'.format(
        i + 1)
    driver.get(url)

    dom = etree.HTML(driver.page_source)
    data = get_web_data(dom=dom)
    all_data = pd.concat([all_data, data], ignore_index=True)
    i += 1
    print(i, end=' ')

all_data.to_csv('最终爬取.csv',encoding='utf-8_sig')

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

司空良

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值