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

透视教程书!wpk德州局透视,... 透视教程书!wpk德州局透视,wpk透视辅助下载(透视)确实有透视脚本(哔哩哔哩)1、wpk透视辅助...
透视指引!德普之星怎么开辅助,... 您好,德普之星怎么开辅助这款游戏可以开挂的,确实是有挂的,需要了解加去威信【485275054】很多...
透视教程书!we-poker正... 透视教程书!we-poker正规吗,wepoker私人局外卦(透视)真是真的是有透视方法(哔哩哔哩)...
透视烘培!德普之星怎么开辅助,... 透视烘培!德普之星怎么开辅助,德普之星私人局透视(透视)真是是真的脚本技巧(哔哩哔哩)1、这是跨平台...
透视指引!哈糖大菠萝免费辅助器... 透视指引!哈糖大菠萝免费辅助器,聚星ai辅助工具激活码(透视)原来是真的透视教程(哔哩哔哩)1、这是...
透视妙招!德普之星透视辅助软件... 透视妙招!德普之星透视辅助软件下载,德普之星辅助工具如何设置(透视)总是是有透视技巧(哔哩哔哩)1....
透视手段!wepoker手机助... 透视手段!wepoker手机助手,we-poker辅助软件教程(透视)一直是真的透视神器(哔哩哔哩)...
透视总结!hhpoker是真的... 透视总结!hhpoker是真的还是假的,hhpoker底牌透视脚本(透视)总是是真的脚本软件(哔哩哔...
透视教程书!wepoker底牌... 透视教程书!wepoker底牌透视,wepoker手机插件(透视)真是有透视软件(哔哩哔哩)1)we...
透视烘培!wpk私人辅助,wp... 透视烘培!wpk私人辅助,wpk德州局怎么透视(透视)其实存在有脚本方法(哔哩哔哩)wpk德州局怎么...