网络爬虫——前程无忧网数据获取及存储(高级)

网络爬虫——前程无忧网数据获取及存储(高级)

实验内容1
目标网站:前程无忧招聘网

目标网址:https://search.51job.com/list/120000,000000,0000,00,9,99,Python,2,1.html

目标数据:(1)职位名(2)公司名(3)工作地点(4)薪资 (5)发布时间

在这里插入图片描述
要求

(1)使用urllib或requests库实现该网站网页源代码的获取,并将源代码进行保存;

(2)自主选择re、bs4、lxml中的一种解析方法对保存的的源代码读取并进行解析,成功找到目标数据所在的特定标签,进行网页结构的解析;

(3)定义函数,将获取的目标数据保存到txt,csv文件中。

(4)使用框架式结构,通过参数传递实现整个特定数据的爬取。

源码

import requests
import json
import csv
from requests.exceptions import RequestException
from lxml import etree

def getHtmlText(url):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.149 Safari/537.36 Edg/80.0.361.69'        
    }
    try:
        result = requests.get(url,headers=headers,timeout=30)
        result.raise_for_status()
        result.encoding = result.apparent_encoding
        return result.text
    except:
        return ""

def parsePage(html):
    ulist = []
    clist = []
    rlist = []
    newhtml =etree.HTML(html,etree.HTMLParser())
    result=newhtml.xpath('//*[@id="resultList"]/div[@class="el"]//text()')
    
    for i in range(len(result)):
        ulist.append(result[i].replace(" ","").replace('\r',"").replace("\n",''))

    while '' in ulist:
        ulist.remove('')
    
    length = len(ulist)
    weight = int(length / 5 )
    
    for i in range(weight):
        for j in range(5):
            clist.append(ulist[i*5+j])
        rlist.append(clist)
        clist = []
    
    return rlist
        
# def txtdata(data):
#     with open('top20.txt','w')as file:
#         for i in data:
#             for j in i:
#                 print(j)
#         print('successful')

def storedata(data):
    with open('top20.txt','w',encoding = 'utf-8')as file:
        for i in data:
            file.write(json.dumps(i,ensure_ascii=False)+'\n')
        print('ok')
        
def csvdata(data):
    with open('top20.csv','w',encoding = 'utf-8',newline='')as csvfile:
        fieldnames = ['职位名','公司名','工作地点','薪资','工作时间']
        writer = csv.DictWriter(csvfile,fieldnames=fieldnames)
        writer.writeheader()
        for i in data:
            writer.writerow({'职位名':i[0],'公司名':i[1],'工作地点':i[2],'薪资':i[3],'工作时间':i[4]})
        print('ok')
            
def main():
    url="https://search.51job.com/list/120000,000000,0000,00,9,99,Python,2,1.html"
    html=getHtmlText(url)
    rlist=parsePage(html)
    
#     txtdata(data)
    storedata(rlist)
    csvdata(rlist)
main()

结果输出:

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 4
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
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