python 前程无忧岗位爬虫

前程无忧的防爬措施还算比较适合入门案例,源码附上了,用到的技术点有requests.get发送请求

xlml.etree解析网页,selenium主要是获取页数,让程序可以实现岗位、页数自定义。当然使用selenium这个需要配置一下,可以参考这一篇博客,若是解决不了可以留言 最后希望这个这个案例能帮到你

(135条消息) 抓取花卉图片_AI-阿强的博客-CSDN博客

import requests
from lxml import etree
import json
import time
import pandas as pd
from  selenium import webdriver
#公司名
company_list =[]
#职位
job_list = []
#工作地点
workarea_list = []
#福利
jobwelf_list = []
#工资
providesalaruy_list = []
#发布时间
updatedate_list = []
#链接
href_list = []
#学历与经验
attribute_list =[]
def number_pages():
    # 创建一个浏览器
    driver = webdriver.Chrome()
    driver.get(
        'https://search.51job.com/list/030200,000000,0000,00,9,99,{},2,1.html?lang=c&postchannel=0000&workyear=99&cotype=99'.format(work_name))
    driver.maximize_window()
    # 获取总页数
    pagecount = driver.find_element_by_xpath('//div[@class="j_page"]/div[@class="p_box"]/div[@class="p_wp"]/div[@class="p_in"]/span[@class="td"]').text
    print('招聘信息'+ pagecount)
    driver.quit()

def response(yeshu):
    # url = 'https://search.51job.com/list/040000,000000,0000,00,9,99,{},2,{}.html?lang=c&postchannel=0000&workyear=99&cotype=99'.format(work_name,yeshu)
    url = 'https://search.51job.com/list/030200,000000,0000,00,9,99,{},2,{}.html?lang=c&postchannel=0000&workyear=99&cotype=99'.format(work_name,yeshu)
    header = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.77 Safari/537.36 Edg/91.0.864.41'
    }
    rp = requests.get(url=url,headers=header).text
    # print(rp)
    print('-'*100)
    html = etree.HTML(rp)
    xp = html.xpath('/html/body/script[2]/text()')[0]
    jsondata = json.loads(str(xp).replace('window.__SEARCH_RESULT__ = ', ''))
    work_data = jsondata['engine_search_result']
    # print(work_data[1])
    return work_data
#列表数据添加
def data_extraction(work):
    for data in work:
        if data['job_href'] =='':
            href_list.append('null')
        else:
            href_list.append(data['job_href'])
        if data['company_name'] == '':
            company_list.append('null')
        else:
            company_list.append(data['company_name'])
        if data['job_name'] == '':
            job_list.append('null')
        else:
            job_list.append(data['job_name'])#职位
        if data['workarea_text'] == '':
            workarea_list.append('null')
        else:
            workarea_list.append(data['workarea_text'])
        if data['jobwelf'] == '':
            jobwelf_list.append('null')
        else:
            jobwelf_list.append(data['jobwelf'])
        if data['providesalary_text'] == '':
            providesalaruy_list.append('null')
        else:
            providesalaruy_list.append(data['providesalary_text'])
        if data['updatedate'] == '':
            updatedate_list.append('null')
        else:
            updatedate_list.append(data['updatedate'])
        if data['attribute_text'] == '':
            attribute_list.append('Null')
        else:
            attribute_list.append(data['attribute_text'])
def Loop():
    for yeshu in range(st,end):
        #获取数据
        work = response(yeshu)
        data_extraction(work)
        #保存数据
        keep_data()
        print('爬取第{}页完成'.format(yeshu))
        time.sleep(3)

def keep_data():
    #创建表
    df = pd.DataFrame()
    df['公司名']=company_list
    df['招聘职位']=job_list
    df['福利']=jobwelf_list
    df['工作地点']=workarea_list
    df['工作经验']=attribute_list
    df['工资']=providesalaruy_list
    df['发布时间']=updatedate_list
    df['链接'] = href_list
    df.to_excel('广州{}招聘信息.xlsx'.format(work_name))

if __name__=='__main__':
    print('————————————欢迎使用阿强爬虫——————————————')
    work_name = input('请输入工作名:')
    print('——————弹出招聘网页————————')
    time.sleep(2)
    number_pages()
    st = input('请输入开始获取页面信息页数:')
    st = int(st)
    end = input('请输入结束获取页面信息页数:')
    end = int(end)+1
    #进入循环体
    Loop()
    print('————————爬取结束,欢迎使用阿强爬虫————————')
    print('————————30秒后自动关闭————————')
    time.sleep(30)

  • 3
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 3
    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 3
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