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。
在这里插入图片描述

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:
在这里插入图片描述

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。
在这里插入图片描述
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—
  • 1
    点赞
  • 50
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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