026.（7.23-7.24）scrapy爬取牛客网招聘信息

最新推荐文章于 2022-06-19 22:19:10 发布

ORonaldinhoO

最新推荐文章于 2022-06-19 22:19:10 发布

阅读量490

点赞数

本文链接：https://blog.csdn.net/u013598957/article/details/107558360

版权

本文作者Ray分享了如何使用Scrapy爬取牛客网上的实习招聘信息，主要涉及前端、后端、后台、Android和大数据等职位。在爬取过程中遇到并解决了CSV文件保存时的乱码问题，通过在settings.py文件中进行相应设置。

摘要由CSDN通过智能技术生成

RDC暑假项目需求：爬取牛客网招聘信息

暑假工作室的合作项目，需求是爬取牛客网计算机行业岗位信息，第一次用scrapy做合作项目，代码有瑕疵还请指教！

前言

Author: Ray

数据来源：牛客网（https://www.nowcoder.com/）

搜索条件筛选：实习，广州

搜索量：由于牛客网搜索机制的原因，为了让结果更可能的准确，页面最多为5页

搜索项：前端、后端，后台、Android、大数据，算法

（搜索结果中多为字节跳动的JD，可能与牛客网有合作关系。。）

字段说明：（共24项）

projectID：项目ID

jobID：岗位在所属项目下的ID

job：岗位名称 

job_type：岗位类型

company：企业名称

location：工作地点

salary：薪酬

attendance：实习要求

regular_chance：转正机会

company_type：企业类型

fund：资金状况 

center：总部

duty：岗位职责

requirement：岗位要求

hrID：未知的特别信息

publisher_ID：该招聘信息发布者ID

publisher_name：该招聘信息发布者用户名

average_resume_processing_rate：平均简历处理率 

current_resume_processing_rate：当前简历处理率 

average_resume_processing_time：平均简历处理时间 

current_resume_processing_time：当前简历处理时间 

test：牛客网上笔试题目数目

interview_comment：面试短评数目

interview_experience：面经数目

code

spider:

# Author: Ray
# 数据来源：牛客网 （https://www.nowcoder.com/）

import scrapy
# from scrapy.spiders import Spider
from nowcoder.items import NowcoderItem
import re
import time

# scrapy crawl recruit -o recruit.csv

class RecruitSpider(scrapy.Spider):
    name = 'recruit'
    allowed_domains = ['nowcoder.com']
    start_urls = ['https://www.nowcoder.com']

    def start_requests(self):
        base_url = 'https://www.nowcoder.com/intern/center?city=广州&recruitType=1&query='
        # 搜索结果为牛客网默认排序
        # searchbox = ['前端', '后端', 'Android','大数据，算法']

        search = str(input('请输入搜索项：'))
        request_url = base_url + search + '&page='
        for page in range(1, 6):
            yield scrapy.Request(request_url + str(page), callback=self.parse)

    def parse(self, response):
        further_request_url = response.xpath('//a[@class = "reco-job-title"]/@href').extract()

        for i in further_request_url:
            detail_url = 'https://www.nowcoder.com' + i
            time.sleep(1)
            yield scrapy.Request(detail_url, callback=self.parse_job, meta={
   })

    def