python爬虫简历范文_爬虫数据解析,简历模板下载!想收我Q,不存在的!

目标网址

代码

基础代码:第一页模板下载

import requests

from lxml import etree

if __name__ == '__main__':

headers = {

'User-Agent': 'Mozilla / 5.0(Windows NT 6.1; Win64; x64) AppleWebKit / 537.36(KHTML, like Gecko) Chrome / 86.0.4240.198  Safari / 537.36'

}

# 免费下载链接    url = 'https://sc.chinaz.com/jianli/free.html'

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

# 解决中文乱码    page_text.encoding = page_text.apparent_encoding

page_text = page_text.text

# 实例化一个etree对象    tree = etree.HTML(page_text)

# 分析网页结构,获取div    div_list = tree.xpath('//*[@id="container"]/div')

for div in div_list:

# 获取a标签的href属性值        href = div.xpath('./a/@href')[0]

# 拼接每一页对应的简历下载链接        href = 'https:' + href

# 获取每一页的模板名称        resume_name = div.xpath('./p/a/text()')[0]

# 每一页的单个模板发起get请求        resume_page_text = requests.get(url=href, headers=headers).text

# 重新实例化一个etree对象        tree_resume = etree.HTML(resume_page_text)

# 获取模板页面中的下载链接        download_href = tree_resume.xpath('//div[@class="down_wrap"]/div[2]/ul/li/a/@href')[0]

# 对模板链接发起get请求        rar_data = requests.get(url=download_href, headers=headers).content

# 数据存放路径        outfile_path = './page1/' + resume_name + '.rar'

# 将响应数据以二进制存储        with open(outfile_path, 'wb') as fw:

fw.write(rar_data)

结果:

PS:如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

代码优化:分页操作 跳过

#跳过

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