本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理
以下文章来源于腾讯云 作者：王强
( 想要学习Python？Python学习交流群：1039649593，满足你的需求，资料都已经上传群文件流，可以自行下载！还有海量最新python学习资料。 )
前言：
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=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': #region的缩写，地区，代表海淀
}
url= '/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': '','Referer': '/','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 = pile('(.*?).*?' #匹配职位信息
'
(.*?).*?' #匹配公司网址和公司名称
'
(.*?)', 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 initems:
job_name=item[0]
job_name= job_name.replace('', '')
job_name= job_name.replace('', '')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：
importcsvdefwrite_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()defwrite_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 importtqdmfrom time importsleepfor 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 -*-
importreimportcsvimportrequestsfrom tqdm importtqdmfrom urllib.parse importurlencodefrom requests.exceptions importRequestExceptiondefget_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，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': '','Referer': '/','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= '/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:returnresponse.textreturnNoneexceptRequestException as e:returnNonedefparse_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 = pile('(.*?).*?' #匹配职位信息
'
(.*?).*?' #匹配公司网址和公司名称
'
(.*?)', re.S) #匹配月薪
#匹配所有符合条件的内容
items =re.findall(pattern, html)for item initems:
job_name=item[0]
job_name= job_name.replace('', '')
job_name= job_name.replace('', '')yield{'job': job_name,'website': item[1],'company': item[2],'salary': item[3]
}defwrite_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)defwrite_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()defwrite_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)defmain(city, keyword, region, pages):'''主函数'''filename= 'zl_' + city + '_' + keyword + '.csv'headers= ['job', 'website', 'company', 'salary']
write_csv_headers(filename, headers)for i intqdm(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 initems:
jobs.append(item)
write_csv_rows(filename, headers, jobs)if __name__ == '__main__':
main('北京', 'python工程师', , 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：
本示例功能比较简单，只做到了数据抓取，并没有对数据分析，下次我会抓取更多信息，对薪水和职位对工作技能的要求等各项数据进行分析，敬请期待！
