Python爬取前程无忧网址,并保存为txt文件

 1 import urllib.request
 2 import re
 3 
 4 
 5 def get_html(page):                 #获取网页的HTML
 6     url = 'http://search.51job.com/jobsearch/search_result.php?fromJs=1&jobarea=000000%2C00&district=000000&funtype=0000&industrytype=00&issuedate=9&providesalary=99&keyword=Python&keywordtype=2&curr_page=2&lang=c&stype=1&postchannel=0000&workyear=99&cotype=99&degreefrom=99&jobterm=99&companysize=99&lonlat=0%2C0&radius=-1&ord_field=0&list_type=0&fromType=14&dibiaoid=0&confirmdate=9'.format(page)
 7     html = urllib.request.urlopen(url).read()
 8     html = html.decode('gbk')
 9     return html
10 
11 def get_you_want(html):         #获取需要的征文内容
12     reg = re.compile(r'class="t1 ">.*?<a target="_blank" title="(.*?)".*?<span class="t2"><a target="_blank" title="(.*?)".*?<span class="t3">(.*?)</span>.*?<span class="t4">(.*?)</span>',re.S)
13     you_want = re.findall(reg,html)
14     print(you_want)
15     return you_want
16 
17 for get_page in range(1,6):
18     htmls = get_html(get_page) #调用获取源码
19     for i in get_you_want(htmls):
20         print(i[0],i[1],i[2],i[3])
21         with open('前程无忧.txt','a') as f:
22             f.write(i[0]+'\t'+i[1]+'\t'+i[2]+'\t'+i[3]+'\n\n')

 



我用的是Python 3 其实和Python 2 差不多 ,就是Python3没有了urllib2,需要导入import urllib.requests来代替import urllib2,其他的都差不多


PS:
  其实我是想保存为Excel来进行后续的分析的,但是发现比较麻烦就放弃了!(此处应该有表情的◔ ‸◔?)

转载于:https://www.cnblogs.com/114811yayi/p/6368605.html

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
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