用python抓取智聯招聘資訊並存入excel
用python抓取智聯招聘資訊並存入excel
tags:python 智聯招聘匯出excel
引言:前一陣子是人們俗稱的金三銀四,跳槽的朋友很多,我覺得每個人都應該給自己做一下規劃,根據自己的進步作出調整。建議不要看到身邊的人漲了工資就盲目的心動。一般來說跳槽後要熟悉新的環境會浪費不少時間,如果現在的工作在氛圍和自身進步上還可以接受,其他比如待遇方面可以和公司協調解決。
本文參考了yaoyefengchen的部落格:文章連結,並進行了地域搜尋優化和將儲存方式由cvs改成大家常用的excel。下面進入正文
先說一下大概流程:
在智聯職位搜尋頁面上選好自己的搜尋條件後,發現連結地址為:
http://sou.zhaopin.com/jobs/searchresult.ashx?jl=北京&kw=php高階工程師&sm=0&re=2006&isfilter=1&p=1&sf=10001&st=15000
分析連結中的引數如下(過濾條件可以選擇不寫),並構造出請求的資料,header的設定只要可以訪問網頁即可。
paras = {
`jl`: city, # 搜尋城市
`kw`: keyword, # 搜尋關鍵詞
`isadv`: 0, # 是否開啟更詳細搜尋選項
`isfilter`: 1, # 是否對結果過濾
`p`: page, # 頁數
`re`: region # region的縮寫,地區,2005代表海淀
}
# sf=10001&st=15000這兩個是我篩選的工資區間,如果有這個需求可以自己新增引數。
url = `https://sou.zhaopin.com/jobs/searchresult.ashx?` + urlencode(paras)
yaoyefengchen用的是正則匹配出職位,薪資,公司等資訊,並沒有提供具體地域(比如海淀還是朝陽)對應的region。我後來是用的xpath提取出了北京的各個地域組成字典,直接輸入地區的漢字就可以了。如下:
# 取搜尋頁面得到地域的對應數字 比如海淀對應2005
def parseHtmlToGetRegion(regionAddress):
url = `http://sou.zhaopin.com/jobs/searchresult.ashx?jl=北京&sm=0&isfilter=1&p=1&re=2006`
# 獲取代理ip地址 只取前五頁
html= getHtml(url)
regionId = html.xpath(`/html/body/div[3]/div[3]/div[1]/div[4]/div[1]/div[2]/a/@href`)
region = html.xpath(`/html/body/div[3]/div[3]/div[1]/div[4]/div[1]/div[2]/a/text()`)
#解析一下region中的編號去掉無效內容
regionList = {}
for i,regionHref in enumerate(regionId):
if i==0:
continue
regionList[region[i]] = regionId[i][-4::]
return regionList.get(regionAddress)
另外,cvs格式在用一些工具比如excel開啟的時候經常出現亂碼,需要轉化或者下載一些專用的軟體。我覺得很不方便,所以直接存成了excel格式,不得不說,在存資料到excel檔案這方面,python簡直比php容易太多了。
# 存入excle
def write_xls_file(filename, headers, jobs):
table = xlwt.Workbook(encoding=`utf8`)
table_page = table.add_sheet(`jobs`)
for i,header in enumerate(headers):
table_page.write(0,i,header)
for j,items in enumerate(jobs,start = 1):
for q,item in items.items():
table_page.write(j, q, item)
table.save(filename)
完整程式碼如下,可以直接使用。別忘了儲存文章最下面的user_agents.py檔案
#-*- coding: utf-8 -*-
```
Created on 2018-05-7
@author: Vinter_he
```
import re
import requests
import xlwt
from tqdm import tqdm
from urllib.parse import urlencode
from requests.exceptions import RequestException
from lxml import etree
import user_agents
import random
import datetime
def get_one_page(city, keyword, region, page):
```
獲取網頁html內容並返回
```
paras = {
`jl`: city, # 搜尋城市
`kw`: keyword, # 搜尋關鍵詞
`isadv`: 0, # 是否開啟更詳細搜尋選項
`isfilter`: 1, # 是否對結果過濾
`p`: page, # 頁數
`re`: region # region的縮寫,地區,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:
# 獲取網頁內容,返回html資料
response = requests.get(url, headers=headers)
# 通過狀態碼判斷是否獲取成功
if response.status_code == 200:
return response.text
return None
except RequestException as e:
return None
def parse_one_page(html):
```
解析HTML程式碼,提取有用資訊並返回
```
# 正規表示式進行解析
pattern = re.compile(`<a style=.*? target="_blank">(.*?)</a>.*?` # 匹配職位資訊
`<td class="gsmc"><a href="(.*?)" target="_blank">(.*?)</a>.*?` # 匹配公司網址和公司名稱
`<td class="zwyx">(.*?)</td>`, re.S) # 匹配月薪
# 匹配所有符合條件的內容
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 {
0: job_name,
1: item[1],
2: item[2],
3: item[3]
}
# 存入excle
def write_xls_file(filename, headers, jobs):
table = xlwt.Workbook(encoding=`utf8`)
table_page = table.add_sheet(`jobs`)
for i,header in enumerate(headers):
table_page.write(0,i,header)
for j,items in enumerate(jobs,start = 1):
for q,item in items.items():
table_page.write(j, q, item)
table.save(filename)
def main(city, keyword, region, pages):
```
主函式
```
filename = `智聯_` +datetime.date.today().strftime(`%Y-%m-%d`)+ city + `_` + keyword + `.xls`
headers = [`job`, `website`, `company`, `salary`]
jobs = []
for i in tqdm(range(pages)):
```
獲取該頁中所有職位資訊,寫入xls檔案
```
region = parseHtmlToGetRegion(region)
html = get_one_page(city, keyword, region, i)
items = parse_one_page(html)
for item in items:
jobs.append(item)
write_xls_file(filename, headers, jobs)
def getHtml(url):
response = requests.get(url=url, headers={`User-Agent`:random.choice(user_agents.user_agents)}, timeout=10).text
html = etree.HTML(response)
return html
# 取搜尋頁面得到地域的對應數字 比如海淀對應2005
def parseHtmlToGetRegion(regionAddress):
url = `http://sou.zhaopin.com/jobs/searchresult.ashx?jl=北京&sm=0&isfilter=1&p=1&re=2006`
# 獲取代理ip地址 只取前五頁
html= getHtml(url)
regionId = html.xpath(`/html/body/div[3]/div[3]/div[1]/div[4]/div[1]/div[2]/a/@href`)
region = html.xpath(`/html/body/div[3]/div[3]/div[1]/div[4]/div[1]/div[2]/a/text()`)
#解析一下region中的編號去掉無效內容
regionList = {}
for i,regionHref in enumerate(regionId):
if i==0:
continue
regionList[region[i]] = regionId[i][-4::]
return regionList.get(regionAddress)
if __name__ == `__main__`:
main(`北京`, `php工程師`, `朝陽`, 10)
下面是和以前一樣的user_agents.py檔案 這個檔案以後就不給了大家可以自己儲存一下備用
#!/usr/bin/python
# -*- coding:utf-8 -*-
```
Created on 2018-04-27
@author: Vinter_he
```
user_agents = [
`Mozilla/5.0 (Windows; U; Windows NT 5.1; it; rv:1.8.1.11) Gecko/20071127 Firefox/2.0.0.11`,
`Opera/9.25 (Windows NT 5.1; U; en)`,
`Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)`,
`Mozilla/5.0 (compatible; Konqueror/3.5; Linux) KHTML/3.5.5 (like Gecko) (Kubuntu)`,
`Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.8.0.12) Gecko/20070731 Ubuntu/dapper-security Firefox/1.5.0.12`,
`Lynx/2.8.5rel.1 libwww-FM/2.14 SSL-MM/1.4.1 GNUTLS/1.2.9`
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/22.0.1207.1 Safari/537.1",
"Mozilla/5.0 (X11; CrOS i686 2268.111.0) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.57 Safari/536.11",
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.6 (KHTML, like Gecko) Chrome/20.0.1092.0 Safari/536.6",
"Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.6 (KHTML, like Gecko) Chrome/20.0.1090.0 Safari/536.6",
"Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/19.77.34.5 Safari/537.1",
"Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.9 Safari/536.5",
"Mozilla/5.0 (Windows NT 6.0) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.36 Safari/536.5",
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3",
"Mozilla/5.0 (Windows NT 5.1) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3",
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_8_0) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3",
"Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1062.0 Safari/536.3",
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1062.0 Safari/536.3",
"Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3",
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3",
"Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3",
"Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.0 Safari/536.3",
"Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24",
"Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24"
]
希望大家多評論交流,互相學習
相關文章
- python爬蟲-抓取騰訊招聘資訊頁面Python爬蟲
- Python網路爬蟲抓取動態網頁並將資料存入資料庫MYSQLPython爬蟲網頁資料庫MySql
- Go抓取網頁資料並存入MySQL和返回json資料Go網頁MySqlJSON
- Python + SeaTable | 用 Python 從維基百科抓取冬奧會城市資訊並製作地圖Python地圖
- 智聯招聘財報:2014年Q3智聯招聘營收4780萬美元 同比增長22.6%營收
- 5 分鐘掌握智聯招聘網站爬取並儲存到 MongoDB 資料庫網站MongoDB資料庫
- python 使用 imagehash 庫生成 ahash,並存入 milvusPython
- 智聯招聘財報:2013年財年智聯招聘營收為人民幣8.896億元 同比增長8%營收
- Scrapy爬蟲:實習僧網最新招聘資訊抓取爬蟲
- Python爬蟲抓取股票資訊Python爬蟲
- python爬蟲--招聘資訊Python爬蟲
- 智聯招聘:中國遠端居家辦公發展
- 使用python3抓取pinpoint應用資訊入庫Python
- [python爬蟲] 招聘資訊定時系統 (一).BeautifulSoup爬取資訊並儲存MySQLPython爬蟲MySql
- 用Python抓取漫畫並製作mobi格式電子書Python
- python 獲取全國最新省市區資料,並存入表Python
- 智聯招聘的Web模組擴充套件落地方案Web套件
- 使用python抓取58手機維修資訊Python
- 智聯招聘基於Apache Pulsar打造企業級事件中心Apache事件
- 智聯招聘基於 Nebula Graph 的推薦實踐分享
- 智聯招聘:2021中國海歸就業調查就業
- Python抓取QQ音樂歌單並分析Python
- Python實現拼多多商品資訊抓取方法Python
- Python 抓取微信公眾號賬號資訊Python
- IT招聘資訊
- 智聯招聘:2022大學生就業力調研就業
- 智聯招聘:2021年網際網路產業求職指南產業求職
- 智聯招聘:2022中國海歸就業調查就業
- 將Nagios監控資訊存入MySQLiOSMySql
- Python 使用xpath爬蟲查詢身份證資訊和手機號資訊並寫入Excel表格Python爬蟲Excel
- 用python庫openpyxl操作excel,從源excel表中提取資訊複製到目標excel表中PythonExcel
- 智聯招聘:就業困難大學生群體研究報告就業
- 智聯招聘:2020僱傭關係趨勢報告
- 智聯招聘:2020年秋季大學生就業報告就業
- python抓取網頁中圖片並儲存到本地Python網頁
- CURL抓取網頁內容並用正則提取。網頁
- Python 招聘資訊爬取及視覺化Python視覺化
- 【Python】讀取excel並輸出到txtPythonExcel