爬虫|让我们用python来采集数据看看找工作都要会什么吧~

前言 嗨喽~大家好呀,这里是魔王呐
现在,很多人不是在找工作的途中就是在找工作的路上(我的废话文学)
所以我今天来采集一下zhaopin网站,让我们来看看找工作主要要学会什么?

目录(可点击自己想去得地方哦~)

    • 前言
    • 环境使用:
    • 模块使用:
      • 如果安装python第三方模块:
    • 如何配置pycharm里面的python解释器?
    • pycharm如何安装插件?
    • 基本流程思路: <通用>
      • 一. 数据来源分析
      • 二. 代码实现步骤
    • 代码
    • 尾语

环境使用:
  • Python 3.8
  • Pycharm —> 汉化插件 translation
模块使用:
  • requests >>> pip install requests
  • re
  • json
  • csv
如果安装python第三方模块:
  1. win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
  2. 【爬虫|让我们用python来采集数据看看找工作都要会什么吧~】在pycharm中点击Terminal(终端) 输入安装命令
如何配置pycharm里面的python解释器?
  1. 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
  2. 点击齿轮, 选择add
  3. 添加python安装路径
pycharm如何安装插件?
  1. 选择file(文件) >>> setting(设置) >>> Plugins(插件)
  2. 点击 Marketplace 输入想要安装的插件名字 比如:翻译插件 输入 translation / 汉化插件 输入 Chinese
  3. 选择相应的插件点击 install(安装) 即可
  4. 安装成功之后 是会弹出 重启pycharm的选项 点击确定, 重启即可生效
解答、教程可加Q:261823976免费获取哦~
也可以直接查看文章下方推广加助理小姐姐V免费获取呐~
基本流程思路: <通用> 一. 数据来源分析
  1. 确定需求, 明确采集数据内容是什么?
  2. 通过开发者工具进行抓包分析, 分析数据来源, 请求那个url地址可以获取相关数据内容
I. F12或者鼠标右键点击检查 选择network 刷新网页
II. 通过关键字 搜索找相应数据包
二. 代码实现步骤
  1. 发送请求, 对于分析得到url地址发送请求 <模拟浏览器对于url发送请求>
  2. 获取数据, 获取response响应数据 —> 服务器返回响应数据
  3. 解析数据, 提取我们想要数据内容 —> zhaopin基本信息
  4. 保存数据, 保存表格里面
  5. 多页采集, 多页数据采集
代码 因审核机制原因,我把网址里的一些东西删掉了,小可耐们可以自己添加一下哈,很容易的
还有两个字,我用拼音代替了,你们可以改回文字哦 ~
如果有不太会改或者有点点小懒惰的小可耐也可以私信我,我发你呐~
(或查看并点击网页主页(文章)左侧的流动文字免费获取哦~(可能需要往下划一下呐))
也可以直接查看文章下方推广加助理小姐姐V免费获取呐~
# 导入数据请求模块---> 第三方模块 需要 pip install requests导入模块没有使用 灰色 import requests # 导入正则模块---> 内置模块 不需要安装 import re # 导入json---> 内置模块 不需要安装 import json # 导入格式化输出模块---> 内置模块 不需要安装 import pprint # 导入csv模块 import csv # 导入时间模块 import time # 导入随机模块 import random# 创建文件 f = open('python zhaopin 10页.csv', mode='a', encoding='utf-8', newline='') csv_writer = csv.DictWriter(f, fieldnames=[ '职位', '公司名', '薪资', '城市', '经验', '学历', '公司类型', '公司规模', '公司领域', '福利待遇', '发布日期', '公司详情页', '职位详情页', ]) # 写入表头 csv_writer.writeheader() """ 1. 发送请求, 对于分析得到url地址发送请求 <模拟浏览器对于url发送请求> 模拟浏览器 ---> headers 在开发者工具里面headers下面的 requests headers里面 请求头, 字典数据类型, 要构建完整键值对 说明对于url地址发送请求成功了, 但是不一定得到你想要的数据被反爬, 状态码可能还是200, 但是返回数据不是你想要的内容 """ for page in range(1, 11): print(f'----------------正在采集第{page}页数据内容----------------') time.sleep(random.randint(1, 2)) # 确定url地址--> 可以直接复制 url = f'list/010000%252C020000%252C030200%252C040000%252C090200,000000,0000,00,9,99,python,2,{page}.html' # 模拟浏览器 headers 请求头 伪装 headers = { # User-Agent 用户代理, 表示浏览器基本身份标识 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36' } # 发送请求 使用什么请求方式, 取决于开发者工具里的内容 response = requests.get(url=url, headers=headers) # 响应对象200 状态码 请求成功 print(response) # 获取数据, 获取服务器返回响应数据---> 获取文本数据 print(response.text) """ 解析数据---> 提取我们想要数据内容 解析方法比较多: re css xpath json解析.... 如何选择方法 根据返回数据类型以及我想要数据内容情况 re.findall() 调用re模块里面findall方法 通过re模块找到所有我们想要数据内容 ---> 告诉它去哪里找, 找什么样数据正则匹配提取出来数据, 返回列表 ---> """ # 提取招聘数据 re.findall() html_data = https://www.it610.com/article/re.findall('window.__SEARCH_RESULT__ = (.*?)', response.text)[0] # 把字符串数据转成json字典数据 json_data = https://www.it610.com/article/json.loads(html_data) # print 打印字典数据, 一行展示pprint.pprint 打印字典数据类型, 格式化展开的效果 print(json_data) pprint.pprint(json_data) # 字典取值 ---> 根据键值对取值 根据冒号左边的内容[键], 提取冒号右边的内容[值] # for循环遍历 把列表里面数据一个一个提取出来 for index in json_data['engine_jds']: # 提取数据, 用字典 保存内容学历是敲门砖, 技术才是铁饭碗.... 毕业出来 3500 dit = { '职位': index['job_name'], '公司名': index['company_name'], '薪资': index['providesalary_text'], '城市': index['workarea_text'], '经验': index['attribute_text'][1], '学历': index['attribute_text'][-1], '公司类型': index['companytype_text'], '公司规模': index['companysize_text'], '公司领域': index['companyind_text'], '福利待遇': index['jobwelf'], '发布日期': index['issuedate'], '公司详情页': index['company_href'], '职位详情页': index['job_href'],} # 写入数据 csv_writer.writerow(dit) print(dit)

尾语 成功没有快车道,幸福没有高速路。
幸福是可以通过学习来获得的,尽管它不是我们的母语。
——励志语录
本文章到这里就结束啦~感兴趣的小伙伴可以复制代码去试试哦
对啦!!记得三连哦~ 另外,欢迎大家阅读我往期的文章呀~
爬虫|让我们用python来采集数据看看找工作都要会什么吧~
文章图片

    推荐阅读