scrapy爬取xx招聘信息
创始人
2025-01-17 04:02:16
0

scrapy爬取xx网站招聘信息

爬取某网站招聘爬虫
1、学会如何翻页
思路分析:
a、获取首页的数据
b、寻找下一页的地址,进行翻页,获取数据
步骤:
a、修改start_urls
b、检查allowed_domains
c、parse方法进行解析
2、网页关键词查找:ctrl+f,ctrl+v

  1. items.py中进行数据建模
""" 1、items中确定要爬取的字段,规范爬取的数据,防止遗漏 2、创建爬虫,域名xx.com 3、写url,parse解析数据     对数据进行xpath分析,确定数据 """ import scrapy class xxItem(scrapy.Item):     # define the fields for your item here like:     name = scrapy.Field()     link = scrapy.Field()     depart = scrapy.Field()     category = scrapy.Field()     type = scrapy.Field()     address = scrapy.Field()     num = scrapy.Field()     date = scrapy.Field() 
  1. 创建爬虫 scrapy genspider job xx.com
# 创建的job.py文件中运行 import scrapy from wangyi.items import xxItem  class JobSpider(scrapy.Spider):     name = 'job'     allowed_domains = ['xx.com']     # 1、更改初始url     start_urls = ['https://hr.xx.com/position/list.do']      def parse(self, response):         # 完成爬虫         # 1、解析响应信息,获取节点列表,         node_list = response.xpath('//*[@class="position-tb"]/tbody/tr')         # print(len(node_list)) 输出40,实际长度20,需要处理数据         # # 2、抽取数据,遍历节点列表,过滤数据         for num, node in enumerate(node_list):             # 设置过滤条件,将目标节点获取出来             if num % 2 == 0:                 item = WangyiItem()                 item['name'] = node.xpath('./td[1]/a/text()').extract_first()                 # response.urljoin()用于拼接相对路径的url                 item['link'] = response.urljoin(node.xpath('./td[1]/a/@href').extract_first())                 item['depart'] = node.xpath('./td[2]/text()').extract_first()                 item['category'] = node.xpath('./td[3]/text()').extract_first()                 item['type'] = node.xpath('./td[4]/text()').extract_first()                 item['address'] = node.xpath('./td[5]/text()').extract_first()                 item['num'] = node.xpath('./td[6]/text()').extract_first().strip()                 item['date'] = node.xpath('./td[7]/text()').extract_first()                 yield item         # 模拟翻页         part_url = response.xpath('/html/body/div[2]/div[2]/div[2]/div/a[last()]/@href').extract_first()          # 判断终止条件         if part_url != 'javascript:;':             next_url = response.urljoin(part_url)             # 构建请求对象,并且返回给引擎,最后去piplines保存数据             yield scrapy.Request(                 url=next_url,                 callback=self.parse             ) 
  1. 在piplines.py中保存文件
import json   class xxPipeline:      def __init__(self):         self.file = open('xx.json', 'w')      def process_item(self, item, spider):         item = dict(item)         str_data = json.dumps(item, ensure_ascii=False) + ',\n'          # 写入数据         self.file.write(str_data)         return item      def __del__(self):         self.file.close() 
  1. 开启管道,在settings.py中配置ITEM_PIPELINES
ITEM_PIPELINES = {    'xx.pipelines.xxPipeline': 300, } 

相关内容

热门资讯

第十分钟攻略!禅游指尖四川无限... 第十分钟攻略!禅游指尖四川无限钻石,蜀山四川破解版ios,总是有挂(讲解有挂)-哔哩哔哩1、进入到禅...
第6分钟开挂!威信茶馆透视挂,... 第6分钟开挂!威信茶馆透视挂,小程序牵手跑得有开挂吗,wepoke教程-2026最新版本第6分钟开挂...
第十分钟了解!永胜联盟辅助软件... 第十分钟了解!永胜联盟辅助软件(辅助挂)总是是真的挂,解密教程(有挂秘诀)-哔哩哔哩1、在永胜联盟辅...
9分钟开挂!微信小程序开心泉州... 9分钟开挂!微信小程序开心泉州辅助器,微信小程序游戏破解微乐游戏,2025新版教程-2026最新版本...
第三分钟方法!闲娱江西修改器,... 第三分钟方法!闲娱江西修改器,樱花之盛能不能开挂,好像存在有挂(有挂细节)-哔哩哔哩1、不需要AI权...
四分钟总结!超级三加一辅助工具... 四分钟总结!超级三加一辅助工具(辅助挂)本来有挂,细节揭秘(有挂细节)-哔哩哔哩1、超级三加一辅助工...
第六分钟开挂!兴动辅助器,乐游... 第六分钟开挂!兴动辅助器,乐游coc辅助,技巧教程-2026最新版本1、下载好兴动辅助器辅助软件之后...
第七分钟揭露!小闲辅助神器(辅... 第七分钟揭露!小闲辅助神器(辅助挂)其实真的有挂,AI教程(有挂方法)-哔哩哔哩1、这是跨平台的小闲...
七分钟工具!花城牌舍辅助系统有... 七分钟工具!花城牌舍辅助系统有哪些功能,小闲川南宜宾辅助,确实真的有挂(有挂猫腻)-哔哩哔哩花城牌舍...
五分钟开挂!哥哥打大a有没有辅... 五分钟开挂!哥哥打大a有没有辅助,边锋老友乳山辅助,攻略教程-2026最新版本1、实时哥哥打大a有没...