python2如何使用bs4爬取騰訊社招

這篇文章主要介紹了python2如何使用bs4爬取騰訊社招，具有一定借鑒價(jià)值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

目的：獲取騰訊社招這個(gè)頁(yè)面的職位名稱及超鏈接 職位類別 人數(shù) 地點(diǎn)和發(fā)布時(shí)間

要求：使用bs4進(jìn)行解析，并把結(jié)果以json文件形式存儲(chǔ)

注意：如果直接把python列表沒有序列化為json數(shù)組，寫入到j(luò)son文件，會(huì)產(chǎn)生中文寫不進(jìn)去到文件，所以要序列化并進(jìn)行utf-8編碼后寫入文件。

# -*- coding:utf-8 -*-
import requests
from bs4 import BeautifulSoup as bs
import json
url = 'https://hr.tencent.com/position.php?'
params = {
  'start':'10'
}
headers = {
  'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
}
# 獲取騰訊社招某個(gè)頁(yè)面的頁(yè)面源碼
html = requests.get(url, params = params, headers = headers).text
# 創(chuàng)建soup對(duì)象，使用lxml解析器
soup = bs(html,'lxml')
# 選取類名為odd和even的tr標(biāo)簽
result1 = soup.select('tr[class="odd"]')
result2 = soup.select('tr[class="even"]')
# 列表拼接 l = [1,2] + [3,4]，則列表l為[1,2,3,4]
result = result1 + result2
# 把數(shù)據(jù)存放在列表里面，列表的每個(gè)元素都為一個(gè)字典
l = []
data = {}
for item in result:
  # 獲取標(biāo)簽的文本內(nèi)容
  job = item.find_all('a')[0].get_text().encode('utf-8')
  category = item.find_all('td')[1].get_text().encode('utf-8')
  number = item.find_all('td')[2].get_text().encode('utf-8')
  address = item.find_all('td')[3].get_text().encode('utf-8')
  public_time = item.find_all('td')[4].get_text().encode('utf-8')
  # 獲取標(biāo)簽的屬性值
  link = item.find_all('a')[0].attrs['href']
  fulllink = ('https://hr.tencent.com/' + link).encode('utf-8')
  data['job'] = job
  data['category'] = category
  data['number'] = number
  data['address'] = address
  data['public_time'] = public_time
  data['fulllink'] = fulllink
  l.append(data)
  # 原來(lái)中文寫不到文件里面的報(bào)錯(cuò)原因，沒把python列表序列化為json數(shù)組
  # with open('tencent.json','a') as f:
  #  f.write(str(data) + '\n')
# 方法1存儲(chǔ)數(shù)據(jù),上面字典的值不用先進(jìn)行utf-8編碼
# 把數(shù)據(jù)以json文件形式存儲(chǔ)
# f = open('tencent.json','a')
# 把python列表序轉(zhuǎn)化為json對(duì)象。本地操作常用的是load dump。網(wǎng)絡(luò)操作常用的loads dumps，而loads常用來(lái)把json格式轉(zhuǎn)化為python格式，dumps把python格式序列為json格式
# dictdata = json.dumps(l,ensure_ascii=False)
# 把json對(duì)象寫入json文件
# f.write(dictdata.encode('utf-8'))
# f.close()

# 把數(shù)據(jù)存入tencent.json文件內(nèi)
json.dump(l,open('tencent.json','a'),ensure_ascii=False)

感謝你能夠認(rèn)真閱讀完這篇文章，希望小編分享的“python2如何使用bs4爬取騰訊社招”這篇文章對(duì)大家有幫助，同時(shí)也希望大家多多支持億速云，關(guān)注億速云行業(yè)資訊頻道，更多相關(guān)知識(shí)等著你來(lái)學(xué)習(xí)!