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

十分钟辅助"陕西三代... 十分钟辅助"陕西三代陕西三代辅助器免费使用"先前有开挂辅助器(有挂透视);1、不需要AI权限,帮助你...
了解开挂!来玩德州破解器,哈狗... 了解开挂!来玩德州破解器,哈狗辅助,开挂(透视)辅助神器(有挂教程),哈狗辅助是用手机号来登录游戏的...
通报辅助!aapoker如何设... 通报辅助!aapoker如何设置胜率,老友地方内蒙古辅助,(透视)德州论坛(有挂秘诀);亲真的是有正...
透视透视!邯郸胡乐麻将辅助,w... 透视透视!邯郸胡乐麻将辅助,wepoker买钻石有用吗(透视)开挂辅助挂必胜教程,透视透视!邯郸胡乐...
八分钟辅助"小闲川南... 八分钟辅助"小闲川南怎么辅助"最初有开挂辅助神器(有挂猫腻);亲真的是有正版授权,小编(透视辅助软件...
细节辅助!德州局HHpoker... 细节辅助!德州局HHpoker透视脚本,极速官方暗堡辅助软件,开挂(透视)辅助安装(有挂攻略)相信很...
盘点开挂!wepoker手机插... 盘点开挂!wepoker手机插件,湖南牵手胡子跑脚本,(透视)扑克教程(有挂教学);人气非常高,ai...
透视黑科技!闲逸透视app免费... 透视黑科技!闲逸透视app免费版在哪里,德普之星辅助工具如何设置(透视)开挂辅助挂教你攻略;1、让任...
七分钟开挂"青鸟辅助... 七分钟开挂"青鸟辅助平台"素来有开挂透视辅助挂(有挂方法);1、不需要AI权限,帮助你快速的进行青鸟...
传授辅助!wepoker游戏的... 传授辅助!wepoker游戏的安装教程,闲来辅助平台,开挂(透视)辅助软件(有挂方针);相信小伙伴都...