首页 编程教程正文

Python 使用selenium爬取拉钩网Python职位信息(爬虫)

piaodoo 编程教程 2020-02-22 22:09:18 1098 0 python教程

本文来源吾爱破解论坛

本帖最后由 baihuhu 于 2019-11-11 21:15 编辑

整体思路:
1 使用我们最近讲的[backcolor=rgba(0, 0, 0, 0.03)]selenium模块进行模拟浏览器爬取2 网页解析使用 xpath(底层为c语言,效率高)
3保存为csv数据

需要的模块:[Python] 纯文本查看 复制代码

import random

import time

import csv

from urllib.parse import quote   

from lxml import etree

from selenium import webdriver
其中 [backcolor=rgba(0, 0, 0, 0.03)]selenium 和 [backcolor=rgba(0, 0, 0, 0.03)]lxml 需要 pip install 命令进行安装
[Python] 纯文本查看 复制代码
class LaGoSpider(object):

'''

封装为一个类,方便操作

'''



    def __init__(self):

        options = webdriver.ChromeOptions()

        options.add_argument('--headless')

        options.add_experimental_option("prefs", {"profile.managed_default_content_settings.images": 2})

        self.driver = webdriver.Chrome(r'D:\外安装软件\selenium1\chromedriver_win32\chromedriver.exe', options=options)

        self.data_list = []





    def address_url(self):

    '''

    获取目标url(拼接)

    '''

        self.citys = ['全国', '北京', '深圳', '广州', '杭州', '成都', '南京', '上海', '厦门', '西安', '长沙']

        self.baseurl = 'https://www.lagou.com/jobs/list_python?px=default&city={}'

        for self.city in self.citys:

            self.url = self.baseurl.format(quote(self.city))

            self.driver.get(self.url)

            print('正在爬取<%s>' % self.city)

            while True:

                source = self.driver.page_source

                self.position_url_parse(source)

                next_page = self.driver.find_element_by_xpath('//span[@class="pager_next "]')

                if 'contains(class, "pager_next")' in next_page.get_attribute('class'): # 判断一页是否爬取完成 

                    print('<%s爬取完毕>' % self.city)

                    break

                else:

                    self.driver.execute_script("arguments[0].click()", next_page)

                    print('----------------爬取下一页--------------')

                    time.sleep(random.randint(3, 5))









def position_url_parse(self, source):

'''

获取每个职位的url

'''

        html = etree.HTML(source)

        lis = html.xpath('//ul[@class="item_con_list"]//li')

        for li in lis:

            position_url = li.xpath('.//a[@class="position_link"]//@href')[0]

            self.request_urls(position_url)

            time.sleep(random.randint(1, 3))



    def request_urls(self, list_url):

        self.driver.execute_script('window.open("%s")' % list_url)

        self.driver.switch_to_window(self.driver.window_handles[1])

        source = self.driver.page_source

        self.parse_position(source)

        time.sleep(random.randint(1, 3))

        self.driver.close()

        self.driver.switch_to_window(self.driver.window_handles[0])

        time.sleep(random.randint(1, 3))















def parse_position(self, source):

'''

抓取每个职位的详情信息

'''

        self.data = {}

        html = etree.HTML(source)

        company = html.xpath('//dl[@class="job_company"]/dt/a/img/@alt')[0]

        print(company)

        self.data['公司'] = company

        name = html.xpath('//div[@class="position-content-l"]//span[@class="name"]/text()')[0]

        self.data['名称'] = name

        salary = html.xpath('//dd[@class="job_request"]/p[1]/span[1][@class="salary"]/text()')[0]

        self.data['薪资'] = salary

        city = ''.join(html.xpath('//dd[@class="job_request"]/p[1]/span[2]/text()')[0]).replace('/','')

        self.data['城市'] = city

        jinyan = ''.join(html.xpath('//dd[@class="job_request"]/p[1]/span[3]/text()')[0]).replace('/', '')

        self.data['经验'] = jinyan

        xueli = ''.join(html.xpath('//dd[@class="job_request"]/p[1]/span[4]/text()')[0]).replace('/','')

        self.data['学历'] = xueli

        zhihuo = html.xpath('//*[@id="job_detail"]/dd[1]/p/text()')[0]

        self.data['职位诱惑'] = zhihuo

        zhimiao = ''.join(html.xpath('//div[@class="job-detail"]//p//text()')).replace('岗位职责: ', '').replace('岗位要求:', '').replace('岗位职责:', '').replace('工作职责:', '').replace('项目背景:', '').replace('-', '').strip()

        self.data['职位描述'] = zhimiao

        self.data_list.append(self.data)

        self.csv_()





    def csv_(self):

    '''

    保存数据为csv

    '''

        header = ['公司', '名称', '薪资', '城市', '经验', '学历', '职位诱惑', '职位描述']

        with open('lagou_quanguo.csv', 'w', encoding='utf-8', newline='')as fb:

            writer = csv.DictWriter(fb, header)

            writer.writeheader()

            writer.writerows(self.data_list)





if __name__ == '__main__':

    LG = LaGoSpider()


    LG.address_url()

版权声明:

本站所有资源均为站长或网友整理自互联网或站长购买自互联网,站长无法分辨资源版权出自何处,所以不承担任何版权以及其他问题带来的法律责任,如有侵权或者其他问题请联系站长删除!站长QQ754403226 谢谢。

有关影视版权:本站只供百度云网盘资源,版权均属于影片公司所有,请在下载后24小时删除,切勿用于商业用途。本站所有资源信息均从互联网搜索而来,本站不对显示的内容承担责任,如您认为本站页面信息侵犯了您的权益,请附上版权证明邮件告知【754403226@qq.com】,在收到邮件后72小时内删除。本文链接:https://www.piaodoo.com/7715.html

搜索