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

透视规律!佛手大菠萝有挂吗(透... 透视规律!佛手大菠萝有挂吗(透视)填大坑辅助软件(辅助)真是真的是有脚本(哔哩哔哩)1、下载好填大坑...
了解了解!皮皮跑胡子有没有挂(... 了解了解!皮皮跑胡子有没有挂(辅助)中至宜春切实是真的辅助器(哔哩哔哩)了解了解!皮皮跑胡子有没有挂...
透视攻略!xpoker辅助(透... 透视攻略!xpoker辅助(透视)微信小程序微乐自建房脚本下载(果然真的有辅助脚本)-哔哩哔哩1、下...
现有说明如下!xpoker辅助... 现有说明如下!xpoker辅助工具(透视)云南捞腌菜辅助(辅助)竟然是真的有软件(哔哩哔哩)1、下载...
透视辅助!德普之星透视辅助插件... 您好,德普之星透视辅助插件这款游戏可以开挂的,确实是有挂的,需要了解加去威信【136704302】很...
2026版技巧!哈糖大菠萝免费... 2026版技巧!哈糖大菠萝免费辅助器(透视)新天道怎么看底牌(辅助)原来存在有脚本(哔哩哔哩)亲,关...
无独有偶!hhpoker有透视... 无独有偶!hhpoker有透视功能吗(透视)微信小程序微乐游戏修改器(本来是真的辅助神器)-哔哩哔哩...
据相关数据显示!pokemmo... 据相关数据显示!pokemmo辅助工具(透视)九酷互娱辅助(辅助)竟然真的有技巧(哔哩哔哩)1、九酷...
有了最新消息!拱趴大菠萝十三水... 有了最新消息!拱趴大菠萝十三水作必弊(透视)微信微乐辅助器免费安装(真是是真的辅助器)-哔哩哔哩拱趴...
于此同时!来玩德州破解器(透视... 于此同时!来玩德州破解器(透视)小程序能开挂吗(辅助)切实是真的有插件(哔哩哔哩)1、进入到小程序能...