詳解如何使用Python網路爬蟲獲取招聘資訊

2022-03-01 10:00:02

前言

現在在疫情階段，想找一份不錯的工作變得更為困難，很多人會選擇去網上看招聘資訊。可是招聘資訊有一些是錯綜複雜的。而且不能把全部的資訊全部羅列出來，以外賣的58招聘網站來看，資料整理的不清晰。

專案目標

獲取招聘資訊，並批次把地點、公司名、工資、下載儲存在txt檔案。

專案准備

軟體：PyCharm

需要的庫：requests、lxml、fake_useragent

網站如下：

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

點選下一頁時，ClickID={}每增加一頁自增加1，用{}代替變換的變數，再用for迴圈遍歷這網址，實現多個網址請求。

反爬措施

該網站上的反爬主要有兩點：

1、直接使用requests庫，在不設定任何header的情況下，網站直接不返回資料

2、同一個ip連續存取多次，直接封掉ip，起初我的ip就是這樣被封掉的。

為了解決這兩個問題，最後經過研究，使用以下方法，可以有效解決。

1、獲取正常的 http請求頭，並在requests請求時設定這些常規的http請求頭。

2、使用 fake_useragent ，產生隨機的UserAgent進行存取。

專案實現

1、定義一個class類繼承object，定義init方法繼承self，主函數main繼承self。匯入需要的庫和網址，程式碼如下所示。

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/:搜尋的名字的拼音縮寫

    def main(self):
        pass

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

2、隨機產生UserAgent。

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

3、傳送請求，獲取響應, 頁面回撥，方便下次請求

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

4、xpath解析找到對應的父節點。

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，定義一個變數food_info儲存，獲取到二級頁面對應的菜名、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、將結果儲存在txt檔案中，如下所示。

f = open('g.txt', 'a', encoding='utf-8')  # 以'w'方式開啟檔案
f.write(str(boss))
# print(house_dict)
f.write("n")  # 鍵和值分行放，鍵在單數行，值在雙數行
f.close()

7、呼叫方法，實現功能。

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

效果展示

1、點選綠色小三角執行輸入起始頁，終止頁。

2、執行程式後，結果顯示在控制檯，如下圖所示。

3、儲存txt檔案到本地，如下圖所示。

4、雙擊檔案，內容如下圖所示。

小結

1、不建議抓取太多資料，容易對伺服器造成負載，淺嘗輒止即可。

2、本文章就Python爬取招聘網，在應用中出現的難點和重點，以及如何防止反爬，做出了相對於的解決方案。

3、介紹瞭如何去拼接字串，以及列表如何進行型別的轉換。

4、程式碼很簡單，希望能夠幫到你。

5、歡迎大家積極嘗試，有時候看到別人實現起來很簡單，但是到自己動手實現的時候，總會有各種各樣的問題，切勿眼高手低，勤動手，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網路爬蟲獲取招聘資訊的詳細內容，更多關於Python爬蟲獲取招聘資訊的資料請關注it145.com其它相關文章！