python爬虫招聘-Python爬虫抓取智联招聘（基础版）

原标题：Python爬虫抓取智联招聘（基础版）

作者：C与Python实战

「若你有原创文章想与大家分享，欢迎投稿。」

对于每个上班族来说，总要经历几次换工作，如何在网上挑到心仪的工作？如何提前为心仪工作的面试做准备？今天我们来抓取智联招聘的招聘信息，助你换工作成功！

运行平台：Windows

Python版本：Python3.6

IDE：Sublime Text

其他工具：Chrome浏览器

1、网页分析1.1 分析请求地址

以北京海淀区的python工程师为例进行网页分析。打开智联招聘首页，选择北京地区，在搜索框输入"python工程师"，点击"搜工作"：

接下来跳转到搜索结果页面，按"F12"打开开发者工具，然后在"热门地区"栏选择"海淀"，我们看一下地址栏：

由地址栏后半部分searchresult.ashx?jl=北京&kw=python工程师&sm=0&isfilter=1&p=1&re=2005可以看出，我们要自己构造地址了。接下来要对开发者工具进行分析，按照如图所示步骤找到我们需要的数据：Request Headers和Query String Parameters：

构造请求地址：

paras = {

'jl': '北京', # 搜索城市

'kw': 'python工程师', # 搜索关键词

'isadv': 0, # 是否打开更详细搜索选项

'isfilter': 1, # 是否对结果过滤

'p': 1, # 页数

're': 2005# region的缩写，地区，2005代表海淀

}

url = 'https://sou.zhaopin.com/jobs/searchresult.ashx?'+ urlencode(paras)

请求头：

headers = {

'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36',

'Host': 'sou.zhaopin.com',

'Referer': 'https://www.zhaopin.com/',

'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',

'Accept-Encoding': 'gzip, deflate, br',

'Accept-Language': 'zh-CN,zh;q=0.9'

}

1.2 分析有用数据

接下来我们要分析有用数据，从搜索结果中我们需要的数据有：职位名称、公司名称、公司详情页地址、职位月薪：

通过网页元素定位找到这几项在HTML文件中的位置，如下图所示：

用正则表达式对这四项内容进行提取：

# 正则表达式进行解析

pattern = re.compile(' (.*?) .*?' # 匹配职位信息

' (.*?) .*?' # 匹配公司网址和公司名称

' (.*?) ', re.S) # 匹配月薪

# 匹配所有符合条件的内容

items = re.findall(pattern, html)

注意：解析出来的部分职位名称带有标签，如下图所示：

那么在解析之后要对该数据进行处理剔除标签，用如下代码实现：

foritem initems:

job_name = item[ 0]

job_name = job_name.replace( '', '')

job_name = job_name.replace( '', '')

yield{

'job': job_name,

'website': item[ 1],

'company': item[ 2],

'salary': item[ 3]

}

2、写入文件

我们获取到的数据每个职位的信息项都相同，可以写到数据库中，但是本文选择了csv文件，以下为百度百科解释：

逗号分隔值（Comma-Separated Values，CSV，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。纯文本意味着该文件是一个字符序列，不含必须像二进制数字那样被解读的数据。

由于python内置了csv文件操作的库函数，所以很方便：

importcsv

defwrite_csv_headers(path, headers):

'''

写入表头

'''

withopen(path, 'a', encoding= 'gb18030', newline= '') asf:

f_csv = csv.DictWriter(f, headers)

f_csv.writeheader()

defwrite_csv_rows(path, headers, rows):

'''

写入行

'''

withopen(path, 'a', encoding= 'gb18030', newline= '') asf:

f_csv = csv.DictWriter(f, headers)

f_csv.writerows(rows)

3、进度显示

要想找到理想工作，一定要对更多的职位进行筛选，那么我们抓取的数据量一定很大，几十页、几百页甚至几千页，那么我们要掌握抓取进度心里才能更加踏实啊，所以要加入进度条显示功能。

本文选择tqdm 进行进度显示，来看一下酷炫结果（图片来源网络）：

执行以下命令进行安装：pip install tqdm。

简单示例：

fromtqdm importtqdm

fromtime importsleep

fori intqdm(range( 1000)):

sleep( 0.01)

4、完整代码

以上是所有功能的分析，如下为完整代码：

#-*- coding: utf-8 -*-

importre

importcsv

importrequests

fromtqdm importtqdm

fromurllib.parse importurlencode

fromrequests.exceptions importRequestException

defget_one_page(city, keyword, region, page):

'''

获取网页html内容并返回

'''

paras = {

'jl': city, # 搜索城市

'kw': keyword, # 搜索关键词

'isadv': 0, # 是否打开更详细搜索选项

'isfilter': 1, # 是否对结果过滤

'p': page, # 页数

're': region # region的缩写，地区，2005代表海淀

}

headers = {

'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36',

'Host': 'sou.zhaopin.com',

'Referer': 'https://www.zhaopin.com/',

'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',

'Accept-Encoding': 'gzip, deflate, br',

'Accept-Language': 'zh-CN,zh;q=0.9'

}

url = 'https://sou.zhaopin.com/jobs/searchresult.ashx?'+ urlencode(paras)

try:

# 获取网页内容，返回html数据

response = requests.get(url, headers=headers)

# 通过状态码判断是否获取成功

ifresponse.status_code == 200:

returnresponse.text

returnNone

exceptRequestException ase:

returnNone

defparse_one_page(html):

'''

解析HTML代码，提取有用信息并返回

'''

# 正则表达式进行解析

pattern = re.compile( '(.*?).*?'# 匹配职位信息

'

(.*?).*?'# 匹配公司网址和公司名称

'

(.*?)', re.S) # 匹配月薪

# 匹配所有符合条件的内容

items = re.findall(pattern, html)

foritem initems:

job_name = item[ 0]

job_name = job_name.replace( '', '')

job_name = job_name.replace( '', '')

yield{

'job': job_name,

'website': item[ 1],

'company': item[ 2],

'salary': item[ 3]

}

defwrite_csv_file(path, headers, rows):

'''

将表头和行写入csv文件

'''

# 加入encoding防止中文写入报错

# newline参数防止每写入一行都多一个空行

withopen(path, 'a', encoding= 'gb18030', newline= '') asf:

f_csv = csv.DictWriter(f, headers)

f_csv.writeheader()

f_csv.writerows(rows)

defwrite_csv_headers(path, headers):

'''

写入表头

'''

withopen(path, 'a', encoding= 'gb18030', newline= '') asf:

f_csv = csv.DictWriter(f, headers)

f_csv.writeheader()

defwrite_csv_rows(path, headers, rows):

'''

写入行

'''

withopen(path, 'a', encoding= 'gb18030', newline= '') asf:

f_csv = csv.DictWriter(f, headers)

f_csv.writerows(rows)

defmain(city, keyword, region, pages):

'''

主函数

'''

filename = 'zl_'+ city + '_'+ keyword + '.csv'

headers = [ 'job', 'website', 'company', 'salary']

write_csv_headers(filename, headers)

fori intqdm(range(pages)):

'''

获取该页中所有职位信息，写入csv文件

'''

jobs = []

html = get_one_page(city, keyword, region, i)

items = parse_one_page(html)

foritem initems:

jobs.append(item)

write_csv_rows(filename, headers, jobs)

if__name__ == '__main__':

main( '北京', 'python工程师', 2005, 10)

上面代码执行效果如图所示：

执行完成后会在py同级文件夹下会生成名为：zl_北京_python工程师.csv的文件，打开之后效果如下：

- The End -

责任编辑：