文章来自群友 易某某 的投稿,在此表示感谢!前几天,我发表了一篇名为《 基于Python|“数据分析岗位”招聘情况分析! 》 (此为超链接,可以跳转) 的文章,看到这篇文章的时候,小伙伴们很是羡慕。 “我们也想要数据集进行数据处理与分析,最终结果可视化,但是苦于没有数据集。严小样儿你的数据集能给我一份吗?” 授人以鱼不如授人以渔,今天,严小样儿直接教大家爬取招聘数据集,代码详细,粘贴后run一下就出结果,数据集有了,想怎么分析怎么分析。一起来看看吧~
原文链接:https://blog.csdn.net/weixin_42572590/article/details/103443213
目录
1、背景介绍
2、爬取数据保存到txt文件 (1)网页分析 (2)代码编写 (3)最终结果 3、爬取数据保存到excel文件 (1)代码编写 (2)最终结果1、背景介绍
近几年掀起了一股Python风,各大网站、公众号等都在宣传和力挺Python。我开始挺抗拒的,别人越是这么说,我就偏不这么干。后面…由于毕设需要使用Python…结果,嗯!真香!! 好了,言归正传。本文主要爬取前程无忧大数据类相关职位的一些基本信息:岗位名称、公司名称、工作地点、薪资以及岗位发布时间。对于我们这种新生,爬取这种还是比较有成就感的。2、爬取数据保存到txt文件
(1)网页分析
进入前程无忧招聘网站,搜索大数据,就会出现如下图1所示: 图1 前程无忧数据类招聘页面 我们进入到这个网站后,需要关注两个地方,一是观察此网页的网址,二是查看此网页的源码。具体见下图2和图3: 图2 网址分析 根据图2我们可以分析出:前程无忧分页的规律,我们分页爬取只要修改这里的数字即可! 图3 源代码分析 根据图3我们可以分析出要想爬取我们想要的数据,就要分析这些数据在网页里面的规律,以此来写出正则表达式。 根据图3我们可以写出其正则表达式为:1 pat='(.*?).*?(.*?).*?(.*?)'
(2)代码编写
通过前面的网页分析,我们已经发现网址规律,已经发现正则表达式规律。下面,我们就可以开始书写代码爬取数据啦! 1#爬取前程无忧Python数据--写进.txt文件 2import urllib.request 3import re 4 5#获取源码 6def get_content(page): 7 url='https://search.51job.com/list/000000,000000,0000,00,9,99,%25E5%25A4%25A7%25E6%2595%25B0%25E6%258D%25AE,2,'+str(page)+'.html?lang=c&postchannel=0000&workyear=99&cotype=99°reefrom=99&jobterm=99&companysize=99&ord_field=0&dibiaoid=0&line=&welfare=' 8 html = urllib.request.urlopen(url).read().decode("GBK","ignore")#打开网址 9 return html101112#读取此网页里面的内容并把正则表达式匹配的数据提取出来13def get(html):14 pat='(.*?).*?(.*?).*?(.*?)'15 #pat='16 rst=re.compile(pat,re.S).findall(html)17 return rst181920#多页处理,下载到文件21for i in range(1,10):22 print("正在爬取第"+str(i)+"页数据...")23 html=get_content(i)#调用获取网页源码24 #print("网址源码:"+html)25 rst=get(html)26 #print("数据:"+str(rst))27 for j in rst:28 with open("D:/Test/data/data1.txt","a",encoding="utf-8") as f:29 f.write(j[0]+'\t'+j[1]+'\t'+j[2]+'\t'+j[3]+'\t'+j[4]+'\t'+'\n')30 f.close()31print('程序运行结束!')
(3)最终结果
3、爬取数据保存到excel文件
前面的分析都是一模一样,唯一不同的就是代码有点区别!(1)代码编写
1#爬取前程无忧Python数据--创建并写进excel文件 2import urllib.request 3import re 4import xlwt #用来创建excel文档并写入数据 5 6#获取源码 7def get_content(page): 8 url='https://search.51job.com/list/000000,000000,0000,00,9,99,%25E5%25A4%25A7%25E6%2595%25B0%25E6%258D%25AE,2,'+str(page)+'.html?lang=c&postchannel=0000&workyear=99&cotype=99°reefrom=99&jobterm=99&companysize=99&ord_field=0&dibiaoid=0&line=&welfare=' 9 html = urllib.request.urlopen(url).read().decode("GBK","ignore")#打开网址10 return html1112#读取此网页里面的内容并把正则表达式匹配的数据提取出来13def get(html):14 pat='(.*?).*?(.*?).*?(.*?)'15 rst=re.compile(pat,re.S).findall(html)16 return rst1718#爬取到的内容写入excel表格19def excel_write(rst,index):20 for item in rst:21 for i in range(0,5):22 ws.write(index,i,item[i]) #行,列,数据23 print(index)24 index += 12526newTable="D:/Test/data/data1.xls" #表格名字27wb = xlwt.Workbook(encoding='utf-8') #创建excel文件,声明编码28ws = wb.add_sheet('sheet1') #创建表格29headData = ['招聘职位','公司','地址','薪资','日期'] #表头信息30for colnum in range(0,5):31 ws.write(0,colnum,headData[colnum],xlwt.easyxf('font:bold on')) #行,列3233for each in range(1,10):34 index = (each-1) * 50 + 135 excel_write(get(get_content(each)),index)36wb.save(newTable)37print('程序运行结束!')
(2)最终结果
看到这儿,很多小伙伴会说,数据集有了,可是不知道怎么分析啊?!严小样儿贴心地告诉你两种方法:
查看头条文章,内有Excel+Tableau教程;
链接送上,传送门祝你成功。
传送门1:基于Python|“数据分析岗位”招聘情况分析!
传送门2:日常答疑|Python向量化操作、矩阵运算
传送门3:分组排序求前三?TopN问题?一文教你MySQL各类排序操作
--END--
(扫码关注我,带你玩转数据分析)
读完、看完,点在看~