爬虫项目实操四、用Scrapy爬取招聘网站的招聘信息

项目目标:用Scrapy爬取招聘网站的招聘信息

目标网站:职友集,url:https://www.jobui.com/rank/company/
先爬取企业排行榜四个榜单里的公司，再接着爬取这些公司的招聘信息,爬取公司名称、职位、工作地点和招聘要求。

一、创建项目

电脑终端跳转到你想要保存项目的目录下输入创建Scrapy项目的命令：
scrapy startproject jobui(jobui为项目名字可自取)start- [stɑːt]–开始 project-[ˈprɔdʒekt] —n,计划,设计,项目
创建好项目后，本地电脑的编译器打开这个Scrapy项目，会看到如下的结构：

二、定义item(要爬取的数据)

在items.py这个文件里定义,就是定义要爬取的公司名称、职位、工作地点和招聘要求,的数据.代码示例:

import scrapy
class JobuiItem(scrapy.Item):
#定义了一个继承自scrapy.Item的JobuiItem类
    company = scrapy.Field()
    #定义公司名称的数据属性
    position = scrapy.Field()
    #定义职位名称的数据属性
    address = scrapy.Field()
    #定义工作地点的数据属性
    detail = scrapy.Field()
    #定义招聘要求的数据属性

三、创建和编写爬虫文件

在spiders文件夹里创建爬虫文件，命名为jobui_ jobs

公司的网址规律是:
http://www.jobui.com+/company/+数字/+jobs/
比如，字节跳动公司的招聘信息网址就是:
https://www.jobui.com/company/10375749/jobs/
再把每家公司招聘信息的网址封装成requests对象,在Scrapy里，获取网页源代码会由引擎分配交给下载器去做，不需要我们自己处理(也就是不需要requests.get())。我们之所以要构造新的requests对象，是为了告诉引擎，我们新的请求需要传入什么参数,这样才能让引擎拿到的是正确requests对象，交给下载器处理。

代码示例:

#导入模块
import scrapy
import bs4
from ..items import JobuiItem

class JobuiSpider(scrapy.Spider):  
#定义一个爬虫类JobuiSpider
    name = 'jobui'                  
    #定义爬虫的名字为jobui
    allowed_domains = ['www.jobui.com']
    #定义允许爬虫爬取网址的域名——职友集网站的域名
    start_urls = ['https://www.jobui.com/rank/company/']
    #定义起始网址——职友集企业排行榜的网址

    def parse(self, response):
    #parse是默认处理r