python爬取岗位数据并分析_Python3爬取前程无忧招聘数据教程

文章来自群友 易某某 的投稿，在此表示感谢！
原文链接：https://blog.csdn.net/weixin_42572590/article/details/103443213

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~

---

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&degreefrom=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&degreefrom=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：

1. 查看头条文章，内有Excel+Tableau教程；

2. 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~