怎么用Python爬虫抓取智联招聘

今天就跟大家聊聊有关怎么用Python爬虫抓取智联招聘，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

对于每个上班族来说，总要经历几次换工作，如何在网上挑到心仪的工作？如何提前为心仪工作的面试做准备？今天我们来抓取智联招聘的招聘信息，助你换工作成功！

运行平台： Windows

Python版本： Python3.6

IDE： Sublime Text  

其他工具：  Chrome浏览器

1、网页分析

1.1 分析请求地址

以北京海淀区的python工程师为例进行网页分析。打开智联招聘首页，选择北京地区，在搜索框输入"python工程师"，点击"搜工作"：

接下来跳转到搜索结果页面，按"F12"打开开发者工具，然后在"热门地区"栏选择"海淀"，我们看一下地址栏：

由地址栏后半部分searchresult.ashx?jl=北京&kw=python工程师&sm=0&isfilter=1&p=1&re=2005可以看出，我们要自己构造地址了。接下来要对开发者工具进行分析，按照如图所示步骤找到我们需要的数据：Request Headers和Query String Parameters ：

构造请求地址：

paras = {     'jl': '北京',                # 搜索城市     'kw': 'python工程师',        # 搜索关键词      'isadv': 0,                    # 是否打开更详细搜索选项     'isfilter': 1,                # 是否对结果过滤     'p': 1,                        # 页数     're': 2005                    # region的缩写，地区，2005代表海淀  }    url = 'https://sou.zhaopin.com/jobs/searchresult.ashx?' + urlencode(paras)

请求头：

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 分析有用数据

接下来我们要分析有用数据，从搜索结果中我们需要的数据有：职位名称、公司名称、公司详情页地址、职位月薪：

通过网页元素定位找到这几项在HTML文件中的位置，如下图所示：

用正则表达式对这四项内容进行提取：

# 正则表达式进行解析  pattern = re.compile('<a style=.*? target="_blank">(.*?)</a>.*?'        # 匹配职位信息     '<td class="gsmc"><a href="(.*?)" target="_blank">(.*?)</a>.*?'     # 匹配公司网址和公司名称     '<td class="zwyx">(.*?)</td>', re.S)                                # 匹配月薪        # 匹配所有符合条件的内容  items = re.findall(pattern, html)

注意：解析出来的部分职位名称带有标签，如下图所示：

那么在解析之后要对该数据进行处理剔除标签，用如下代码实现：

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、写入文件

我们获取到的数据每个职位的信息项都相同，可以写到数据库中，但是本文选择了csv文件，以下为百度百科解释：

逗号分隔值（Comma-Separated Values，CSV，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。纯文本意味着该文件是一个字符序列，不含必须像二进制数字那样被解读的数据。

由于python内置了csv文件操作的库函数，所以很方便：

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

3、进度显示

要想找到理想工作，一定要对更多的职位进行筛选，那么我们抓取的数据量一定很大，几十页、几百页甚至几千页，那么我们要掌握抓取进度心里才能更加踏实啊，所以要加入进度条显示功能。

本文选择tqdm 进行进度显示，来看一下酷炫结果（图片来源网络）：

执行以下命令进行安装：pip install tqdm。

简单示例：

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

4、完整代码

以上是所有功能的分析，如下为完整代码：

#-*- 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):     '''     获取网页html内容并返回     '''     paras = {         'jl': city,         # 搜索城市         'kw': keyword,      # 搜索关键词          'isadv': 0,         # 是否打开更详细搜索选项         'isfilter': 1,      # 是否对结果过滤         'p': page,          # 页数         're': region        # region的缩写，地区，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:         # 获取网页内容，返回html数据         response = requests.get(url, headers=headers)         # 通过状态码判断是否获取成功         if response.status_code == 200:             return response.text         return None     except RequestException as e:         return None    def parse_one_page(html):     '''     解析HTML代码，提取有用信息并返回     '''     # 正则表达式进行解析     pattern = re.compile('<a style=.*? target="_blank">(.*?)</a>.*?'        # 匹配职位信息         '<td class="gsmc"><a href="(.*?)" target="_blank">(.*?)</a>.*?'     # 匹配公司网址和公司名称         '<td class="zwyx">(.*?)</td>', re.S)                                # 匹配月薪             # 匹配所有符合条件的内容     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):     '''     将表头和行写入csv文件     '''     # 加入encoding防止中文写入报错     # newline参数防止每写入一行都多一个空行     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):     '''     写入表头     '''     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):     '''     写入行     '''     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):     '''     主函数     '''     filename = 'zl_' + city + '_' + keyword + '.csv'     headers = ['job', 'website', 'company', 'salary']     write_csv_headers(filename, headers)     for i in tqdm(range(pages)):         '''         获取该页中所有职位信息，写入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工程师', 2005, 10)

上面代码执行效果如图所示：

执行完成后会在py同级文件夹下会生成名为：zl_北京_python工程师.csv的文件，打开之后效果如下：

看完上述内容，你们对怎么用Python爬虫抓取智联招聘有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注亿速云行业资讯频道，感谢大家的支持。