BeautifulSoup 爬取案例

import requests
from bs4 import BeautifulSoup
import json

一、获取页面内容

def get_content(page):

base_url = 'https://hr.tencent.com/position.php?'
data = {'keywords': 'python',
        'tid': 0,
        'lid': 2196,
        'start': page * 10,
        }
        
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.80 Safari/537.36'}
soup = requests.get(url=base_url, params=data, headers=headers).text
return soup

二、提取数据

def get_data(soup):
# 1、bs4解析器

# ============转化成bs格式====================
bs_soup = BeautifulSoup(soup, 'lxml')
# 2、创建css选择器
tr_soup = bs_soup.select('tr')

# ==========去除无用的数据====================
tr_soup.pop(0)
tr_soup.pop()
tr_soup.pop()

# 3、提取数据并做格式化处理
# ==========遍历出tr列表中的每一行tr==========
item_list = []
for tr in tr_soup:
    td_soup = tr.select('td')
    item = {}
    item['name'] = td_soup[0].string  # 名称
    item['href'] = 'https://hr.tencent.com/' + td_soup[0].a.attrs['href']  # 链接
    item['catalog'] = td_soup[1].string  #
    item['num'] = td_soup[2].string
    item['workLocation'] = td_soup[3].string
    item['publishTime'] = td_soup[4].string
    item_list.append(item)
data = json.dumps(item_list, ensure_ascii=False)
return data

if name==‘main’:

for page in range(5):
    soup=get_content(page)
    data=get_data(soup)
    
    # =============保存数据========================
    with open('./dir/tencent.txt', 'a', encoding='utf-8')as fp:
        fp.write(data)
        fp.write('\n')
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