前言

現(xiàn)在在疫情階段，想找一份不錯(cuò)的工作變得更為困難，很多人會(huì)選擇去網(wǎng)上看招聘信息。可是招聘信息有一些是錯(cuò)綜復(fù)雜的。而且不能把全部的信息全部羅列出來，以外賣的58招聘網(wǎng)站來看，資料整理的不清晰。

項(xiàng)目目標(biāo)

獲取招聘信息，并批量把地點(diǎn)、 公司名、工資 、下載保存在txt文檔。

項(xiàng)目準(zhǔn)備

軟件：PyCharm

需要的庫：requests、lxml、fake_useragent

網(wǎng)站如下：

https://gz.58.com/job/pn2/?param7503=1&from=yjz2_zhaopin&PGTID=0d302408-0000-3efd-48f6-ff64d26b4b1c&ClickID={}

點(diǎn)擊下一頁時(shí)，ClickID={}每增加一頁自增加1，用{}代替變換的變量，再用for循環(huán)遍歷這網(wǎng)址，實(shí)現(xiàn)多個(gè)網(wǎng)址請(qǐng)求。

反爬措施

該網(wǎng)站上的反爬主要有兩點(diǎn)：

1、 直接使用requests庫，在不設(shè)置任何header的情況下，網(wǎng)站直接不返回?cái)?shù)據(jù)

2、同一個(gè)ip連續(xù)訪問多次，直接封掉ip，起初我的ip就是這樣被封掉的。

為了解決這兩個(gè)問題，最后經(jīng)過研究，使用以下方法，可以有效解決。

1、獲取正常的 http請(qǐng)求頭，并在requests請(qǐng)求時(shí)設(shè)置這些常規(guī)的http請(qǐng)求頭。

2、使用 fake_useragent ，產(chǎn)生隨機(jī)的UserAgent進(jìn)行訪問。

項(xiàng)目實(shí)現(xiàn)

1、定義一個(gè)class類繼承object，定義init方法繼承self，主函數(shù)main繼承self。導(dǎo)入需要的庫和網(wǎng)址，代碼如下所示。

import requests
from lxml import etree
from fake_useragent import UserAgent


class  Zhaopin(object):
    def __init__(self):
        self.url = "https://gz.58.com/job/pn2/?param7503=1&from=yjz2_zhaopin&PGTID=0d302408-0000-3efd-48f6-ff64d26b4b1c&ClickID={}"  # /zhuanchang/:搜索的名字的拼音縮寫

    def main(self):
        pass

if __name__ == '__main__':
    Spider =  Zhaopin()
    Spider.main()

2、隨機(jī)產(chǎn)生UserAgent。

for i in range(1, 50):
    self.headers = {
        'User-Agent': ua.random,
    }

3、發(fā)送請(qǐng)求，獲取響應(yīng), 頁面回調(diào)，方便下次請(qǐng)求

def get_page(self, url):
    res = requests.get(url=url, headers=self.headers)
    html = res.content.decode("utf-8")
    return html

4、xpath解析找到對(duì)應(yīng)的父節(jié)點(diǎn)。

def page_page(self, html):
    parse_html = etree.HTML(html)
    one = parse_html.xpath('//div[@class="main clearfix"]//div[@class="leftCon"]/ul/li')

5、for遍歷，定義一個(gè)變量food_info保存，獲取到二級(jí)頁面對(duì)應(yīng)的菜 名、 原 料 、下 載 鏈 接

for l in one:
    o = l.xpath('.//a/span[1]/text()')[0].strip()
    t = l.xpath('.//a//span[@class="name"]/text()')[0].strip()
    f = l.xpath('.//p[@class="job_salary"]/text()')
    thr = l.xpath('.//div[@class="comp_name"]//a/text()')[0].strip()
    for e in f:
        boss = '''

 %s:||%s: 
 公司：%s,
 工資：%s元/月
 =========================================================
                                ''' % (o, t, thr, e)
    print(str(boss)

6、將結(jié)果保存在txt文檔中，如下所示。

f = open('g.txt', 'a', encoding='utf-8')  # 以'w'方式打開文件
f.write(str(boss))
# print(house_dict)
f.write("\n")  # 鍵和值分行放，鍵在單數(shù)行，值在雙數(shù)行
f.close()

7、調(diào)用方法，實(shí)現(xiàn)功能。

html = self.get_page(url)
self.page_page(html)

效果展示

1、點(diǎn)擊綠色小三角運(yùn)行輸入起始頁，終止頁。

2、運(yùn)行程序后，結(jié)果顯示在控制臺(tái)，如下圖所示。

3、保存txt文檔到本地，如下圖所示。

4、雙擊文件，內(nèi)容如下圖所示。

小結(jié)

1、不建議抓取太多數(shù)據(jù)，容易對(duì)服務(wù)器造成負(fù)載，淺嘗輒止即可。

2、本文章就Python爬取招聘網(wǎng)，在應(yīng)用中出現(xiàn)的難點(diǎn)和重點(diǎn)，以及如何防止反爬，做出了相對(duì)于的解決方案。

3、介紹了如何去拼接字符串，以及列表如何進(jìn)行類型的轉(zhuǎn)換。

4、代碼很簡(jiǎn)單，希望能夠幫到你。

5、歡迎大家積極嘗試，有時(shí)候看到別人實(shí)現(xiàn)起來很簡(jiǎn)單，但是到自己動(dòng)手實(shí)現(xiàn)的時(shí)候，總會(huì)有各種各樣的問題，切勿眼高手低，勤動(dòng)手，才可以理解的更加深刻。

6、可以選擇自己喜歡的分類，獲取工作，找到自己喜歡工作。

以上就是詳解如何使用Python網(wǎng)絡(luò)爬蟲獲取招聘信息的詳細(xì)內(nèi)容，更多關(guān)于Python爬蟲獲取招聘信息的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論