怎么用Python爬蟲抓取智聯(lián)招聘

今天就跟大家聊聊有關(guān)怎么用Python爬蟲抓取智聯(lián)招聘，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。

對于每個上班族來說，總要經(jīng)歷幾次換工作，如何在網(wǎng)上挑到心儀的工作？如何提前為心儀工作的面試做準(zhǔn)備？今天我們來抓取智聯(lián)招聘的招聘信息，助你換工作成功！

運行平臺： Windows

Python版本： Python3.6

IDE： Sublime Text  

其他工具：  Chrome瀏覽器

1、網(wǎng)頁分析

1.1 分析請求地址

以北京海淀區(qū)的python工程師為例進(jìn)行網(wǎng)頁分析。打開智聯(lián)招聘首頁，選擇北京地區(qū)，在搜索框輸入"python工程師"，點擊"搜工作"：

接下來跳轉(zhuǎn)到搜索結(jié)果頁面，按"F12"打開開發(fā)者工具，然后在"熱門地區(qū)"欄選擇"海淀"，我們看一下地址欄：

由地址欄后半部分searchresult.ashx?jl=北京&kw=python工程師&sm=0&isfilter=1&p=1&re=2005可以看出，我們要自己構(gòu)造地址了。接下來要對開發(fā)者工具進(jìn)行分析，按照如圖所示步驟找到我們需要的數(shù)據(jù)：Request Headers和Query String Parameters ：

構(gòu)造請求地址：

paras = {     'jl': '北京',                # 搜索城市     'kw': 'python工程師',        # 搜索關(guān)鍵詞      'isadv': 0,                    # 是否打開更詳細(xì)搜索選項     'isfilter': 1,                # 是否對結(jié)果過濾     'p': 1,                        # 頁數(shù)     're': 2005                    # region的縮寫，地區(qū)，2005代表海淀  }    url = 'https://sou.zhaopin.com/jobs/searchresult.ashx?' + urlencode(paras)

請求頭：

headers = {     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36',     'Host': 'sou.zhaopin.com',     'Referer': 'https://www.zhaopin.com/',     'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',     'Accept-Encoding': 'gzip, deflate, br',     'Accept-Language': 'zh-CN,zh;q=0.9'  }

1.2 分析有用數(shù)據(jù)

接下來我們要分析有用數(shù)據(jù)，從搜索結(jié)果中我們需要的數(shù)據(jù)有：職位名稱、公司名稱、公司詳情頁地址、職位月薪：

通過網(wǎng)頁元素定位找到這幾項在HTML文件中的位置，如下圖所示：

用正則表達(dá)式對這四項內(nèi)容進(jìn)行提?。?/p>

# 正則表達(dá)式進(jìn)行解析  pattern = re.compile('<a style=.*? target="_blank">(.*?)</a>.*?'        # 匹配職位信息     '<td class="gsmc"><a href="(.*?)" target="_blank">(.*?)</a>.*?'     # 匹配公司網(wǎng)址和公司名稱     '<td class="zwyx">(.*?)</td>', re.S)                                # 匹配月薪        # 匹配所有符合條件的內(nèi)容  items = re.findall(pattern, html)

注意：解析出來的部分職位名稱帶有標(biāo)簽，如下圖所示：

那么在解析之后要對該數(shù)據(jù)進(jìn)行處理剔除標(biāo)簽，用如下代碼實現(xiàn)：

for item in items:     job_name = item[0]     job_name = job_name.replace('<b>', '')     job_name = job_name.replace('</b>', '')     yield {         'job': job_name,         'website': item[1],         'company': item[2],         'salary': item[3]     }

2、寫入文件

我們獲取到的數(shù)據(jù)每個職位的信息項都相同，可以寫到數(shù)據(jù)庫中，但是本文選擇了csv文件，以下為百度百科解釋：

逗號分隔值（Comma-Separated Values，CSV，有時也稱為字符分隔值，因為分隔字符也可以不是逗號），其文件以純文本形式存儲表格數(shù)據(jù)（數(shù)字和文本）。純文本意味著該文件是一個字符序列，不含必須像二進(jìn)制數(shù)字那樣被解讀的數(shù)據(jù)。

由于python內(nèi)置了csv文件操作的庫函數(shù)，所以很方便：

import csv  def write_csv_headers(path, headers):     '''     寫入表頭     '''     with open(path, 'a', encoding='gb18030', newline='') as f:         f_csv = csv.DictWriter(f, headers)         f_csv.writeheader()   def write_csv_rows(path, headers, rows):     '''     寫入行     '''     with open(path, 'a', encoding='gb18030', newline='') as f:        f_csv = csv.DictWriter(f, headers)         f_csv.writerows(rows)

3、進(jìn)度顯示

要想找到理想工作，一定要對更多的職位進(jìn)行篩選，那么我們抓取的數(shù)據(jù)量一定很大，幾十頁、幾百頁甚至幾千頁，那么我們要掌握抓取進(jìn)度心里才能更加踏實啊，所以要加入進(jìn)度條顯示功能。

本文選擇tqdm 進(jìn)行進(jìn)度顯示，來看一下酷炫結(jié)果（圖片來源網(wǎng)絡(luò)）：

執(zhí)行以下命令進(jìn)行安裝：pip install tqdm。

簡單示例：

from tqdm import tqdm  from time import sleep   for i in tqdm(range(1000)):     sleep(0.01)

4、完整代碼

以上是所有功能的分析，如下為完整代碼：

#-*- coding: utf-8 -*-  import re  import csv  import requests  from tqdm import tqdm  from urllib.parse import urlencode  from requests.exceptions import RequestException   def get_one_page(city, keyword, region, page):     '''     獲取網(wǎng)頁html內(nèi)容并返回     '''     paras = {         'jl': city,         # 搜索城市         'kw': keyword,      # 搜索關(guān)鍵詞          'isadv': 0,         # 是否打開更詳細(xì)搜索選項         'isfilter': 1,      # 是否對結(jié)果過濾         'p': page,          # 頁數(shù)         're': region        # region的縮寫，地區(qū)，2005代表海淀    }      headers = {         'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36',         'Host': 'sou.zhaopin.com',         'Referer': 'https://www.zhaopin.com/',         'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',         'Accept-Encoding': 'gzip, deflate, br',         'Accept-Language': 'zh-CN,zh;q=0.9'     }      url = 'https://sou.zhaopin.com/jobs/searchresult.ashx?' + urlencode(paras)     try:         # 獲取網(wǎng)頁內(nèi)容，返回html數(shù)據(jù)         response = requests.get(url, headers=headers)         # 通過狀態(tài)碼判斷是否獲取成功         if response.status_code == 200:             return response.text         return None     except RequestException as e:         return None    def parse_one_page(html):     '''     解析HTML代碼，提取有用信息并返回     '''     # 正則表達(dá)式進(jìn)行解析     pattern = re.compile('<a style=.*? target="_blank">(.*?)</a>.*?'        # 匹配職位信息         '<td class="gsmc"><a href="(.*?)" target="_blank">(.*?)</a>.*?'     # 匹配公司網(wǎng)址和公司名稱         '<td class="zwyx">(.*?)</td>', re.S)                                # 匹配月薪             # 匹配所有符合條件的內(nèi)容     items = re.findall(pattern, html)          for item in items:         job_name = item[0]         job_name = job_name.replace('<b>', '')         job_name = job_name.replace('</b>', '')         yield {             'job': job_name,             'website': item[1],             'company': item[2],             'salary': item[3]         }   def write_csv_file(path, headers, rows):     '''     將表頭和行寫入csv文件     '''     # 加入encoding防止中文寫入報錯     # newline參數(shù)防止每寫入一行都多一個空行     with open(path, 'a', encoding='gb18030', newline='') as f:         f_csv = csv.DictWriter(f, headers)         f_csv.writeheader()         f_csv.writerows(rows)   def write_csv_headers(path, headers):     '''     寫入表頭     '''     with open(path, 'a', encoding='gb18030', newline='') as f:         f_csv = csv.DictWriter(f, headers)         f_csv.writeheader()   def write_csv_rows(path, headers, rows):     '''     寫入行     '''     with open(path, 'a', encoding='gb18030', newline='') as f:         f_csv = csv.DictWriter(f, headers)         f_csv.writerows(rows)   def main(city, keyword, region, pages):     '''     主函數(shù)     '''     filename = 'zl_' + city + '_' + keyword + '.csv'     headers = ['job', 'website', 'company', 'salary']     write_csv_headers(filename, headers)     for i in tqdm(range(pages)):         '''         獲取該頁中所有職位信息，寫入csv文件         '''         jobs = []         html = get_one_page(city, keyword, region, i)         items = parse_one_page(html)         for item in items:             jobs.append(item)         write_csv_rows(filename, headers, jobs)    if __name__ == '__main__':     main('北京', 'python工程師', 2005, 10)

上面代碼執(zhí)行效果如圖所示：

執(zhí)行完成后會在py同級文件夾下會生成名為：zl_北京_python工程師.csv的文件，打開之后效果如下：

看完上述內(nèi)容，你們對怎么用Python爬蟲抓取智聯(lián)招聘有進(jìn)一步的了解嗎？如果還想了解更多知識或者相關(guān)內(nèi)容，請關(guān)注億速云行業(yè)資訊頻道，感謝大家的支持。