python在线采集聘用数据，这不得学会找份新工作~-CSDN博客

本文链接：https://blog.csdn.net/weixin_62853513/article/details/125805658

前言

大家早好、午好、晚好吖~

环境使用:

Python 3.8
Pycharm —> 汉化插件 translation

模块使用:

requests >>> pip install requests
re
json
csv

如果安装python第三方模块:

win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
在pycharm中点击Terminal(终端) 输入安装命令

如不会添加可以添加Q裙;832157862找管理员小姐姐领取哦~（源码、解答也可找哦）

基本流程思路: <通用>

一. 数据来源分析

确定需求, 明确采集数据内容是什么?
通过开发者工具进行抓包分析, 分析数据来源, 请求那个url地址可以获取相关数据内容

I. F12或者鼠标右键点击检查选择network 刷新网页

II. 通过关键字搜索找相应数据包

二. 代码实现步骤

发送请求, 对于分析得到url地址发送请求 <模拟浏览器对于url发送请求>
获取数据, 获取response响应数据 —> 服务器返回响应数据
解析数据, 提取我们想要数据内容 —> zhaopin基本信息
保存数据, 保存表格里面
多页采集, 多页数据采集

代码

因审核机制原因，我把网址里的一些东西删掉了，小可耐们可以自己添加一下哈，很容易的

还有两个字，我用拼音代替了，你们可以改回文字哦 ~

如果有不太会改或者有点点小懒惰的小可耐也可以私信我，我发你呐~ 💖

也可直接添加Q裙;832157862找管理员小姐姐领取哦~（教程、解答也可找哦）

# 导入数据请求模块  ---> 第三方模块 需要 pip install requests  导入模块没有使用 灰色
import requests
# 导入正则模块  ---> 内置模块 不需要安装
import re
# 导入json  ---> 内置模块 不需要安装
import json
# 导入格式化输出模块   ---> 内置模块 不需要安装
import pprint
# 导入csv模块
import csv
# 导入时间模块
import time
# 导入随机模块
import random
源码、解答、教程加Q裙：832157862
# 创建文件
f = open('python zhaopin 10页.csv', mode='a', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=[
    '职位',
    '公司名',
    '薪资',
    '城市',
    '经验',
    '学历',
    '公司类型',
    '公司规模',
    '公司领域',
    '福利待遇',
    '发布日期',
    '公司详情页',
    '职位详情页',
])
# 写入表头
csv_writer.writeheader()
"""
1. 发送请求, 对于分析得到url地址发送请求 <模拟浏览器对于url发送请求>
    模拟浏览器 ---> headers 在开发者工具里面headers下面的 requests headers里面
        请求头, 字典数据类型, 要构建完整键值对
    <Response [200]>  说明对于url地址发送请求成功了, 但是不一定得到你想要的数据

被反爬, 状态码可能还是200, 但是返回数据不是你想要的内容
"""
for page in range(1, 11):
    print(f'----------------正在采集第{page}页数据内容----------------')
    time.sleep(random.randint(1, 2))
    # 确定url地址  --> 可以直接复制
    url = f'list/010000%252C020000%252C030200%252C040000%252C090200,000000,0000,00,9,99,python,2,{page}.html'
    # 模拟浏览器 headers 请求头 伪装
    headers = {
        # User-Agent 用户代理, 表示浏览器基本身份标识
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
    }
    # 发送请求 使用什么请求方式, 取决于开发者工具里的内容
    response = requests.get(url=url, headers=headers)
    # <Response [200]>  响应对象  200 状态码 请求成功
    print(response)
    # 获取数据, 获取服务器返回响应数据---> 获取文本数据 print(response.text)
    """
    解析数据  ---> 提取我们想要数据内容
        解析方法比较多: re css xpath json解析.... 如何选择方法 根据返回数据类型以及我想要数据内容情况
        re.findall() 调用re模块里面findall方法
        通过re模块找到所有我们想要数据内容 ---> 告诉它去哪里找, 找什么样数据
    源码、解答、教程加Q裙：832157862
    正则匹配提取出来数据, 返回列表 ---> 
    """
    # 提取招聘数据 re.findall()
    html_data = re.findall('window.__SEARCH_RESULT__ = (.*?)</script>', response.text)[0]
    # 把字符串数据转成json字典数据
    json_data = json.loads(html_data)
    # print 打印字典数据, 一行展示  pprint.pprint 打印字典数据类型, 格式化展开的效果 print(json_data) pprint.pprint(json_data)
    # 字典取值 ---> 根据键值对取值 根据冒号左边的内容[键], 提取冒号右边的内容[值]
    # for循环遍历 把列表里面数据一个一个提取出来
    for index in json_data['engine_jds']:
        # 提取数据, 用字典 保存内容  学历是敲门砖, 技术才是铁饭碗.... 毕业出来 3500
        dit = {
            '职位': index['job_name'],
            '公司名': index['company_name'],
            '薪资': index['providesalary_text'],
            '城市': index['workarea_text'],
            '经验': index['attribute_text'][1],
            '学历': index['attribute_text'][-1],
            '公司类型': index['companytype_text'],
            '公司规模': index['companysize_text'],
            '公司领域': index['companyind_text'],
            '福利待遇': index['jobwelf'],
            '发布日期': index['issuedate'],
            '公司详情页': index['company_href'],
            '职位详情页': index['job_href'],

        }
        # 写入数据
        csv_writer.writerow(dit)
        print(dit)