标签：Python text self 招聘 list 页数 bro url 智联

文章目录

• 前言
• 一、列表页URL获取
• 二、详情页URL获取
• 三、获取数据
• 总结

---

前言

利用Python requets+selenium 爬取智联招聘中全国招聘数据。如果看过我之前的文章那应该知道我们之前写过一个纯用selenium来爬智联招聘的爬虫

---

提示：以下是本篇文章正文内容，下面案例可供参考

我的目的是需要进入页面获取招聘详情页的链接，通过链接再将数据进行爬取

一、列表页URL获取

下方是列表页的url，其中jl后可直接用省份代替，kw即为搜索的关键词，p表示页数

https://sou.zhaopin.com/?jl=532&kw=%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90&p=1
修改后：
https://sou.zhaopin.com/?jl=省份&kw=关键词&p=页数

但是有一点特别重要，我们要想实现全站爬取，必然离不开循环，但是每一个省份对应的总页数是不一样的，我们必须获取每一个省份对应的总页数 然后制造一个url列表以此获取详情页链接

但是就如上图，其总页数是被隐藏的，这时我想到的方法是，利用selenium访问在页数框中输入一个远大于页数的值，他就会自动返回页数，其中有一点要注意，智联招聘每输入一个网址访问就会让你重新扫码登陆一次，所以在第一次访问页面获取cookie，供下次访问使用

def Get_Page(self):
    page_list=[]
    listCookies=[]
    print("开始获取省份对应最大页数")
    for jl in self.jl_list:
        url="https://sou.zhaopin.com/?jl=%s&kw=%s"%(jl,self.keyword)
        if len(listCookies) >0:
            for cookie in listCookies[0]:
                self.bro.add_cookie(cookie)
        else:
            pass
        self.bro.get(url)
        sleep(9)
        listCookies.append(self.bro.get_cookies())
        try:
            self.bro.execute_script('window.scrollTo(0, document.body.scrollHeight)')  # 向下拉动一屏
            self.bro.find_element_by_xpath('//div[@class="soupager__pagebox"]/input[@type="text"]').send_keys(1000)  # 在页数框中输入远大于页数的值
            button=self.bro.find_element_by_xpath('//div[@class="soupager__pagebox"]/button[@class="soupager__btn soupager__pagebox__gobtn"]')
            self.bro.execute_script("arguments[0].click();", button)
            self.bro.execute_script('window.scrollTo(0, document.body.scrollHeight)')  # 向下拉动一屏
            page = self.bro.find_element_by_xpath('//div[@class="soupager"]/span[last()]').text
        except Exception as e:
            print(e)
            page=1
            pass
        page_list.append(page)
    self.bro.quit()
    return page_list

我们知道了列表url的构成以及获取了每个省份的最大页数，于是我们可以批量准确的生成列表url，我用“数据分析”为关键词，最后获取了300多个列表url

def Get_list_Url(self):
    list_url=[]
    print("开始拼接列表页url")
    for a, b in zip(self.jl_list,self.Get_Page()):
        for i in range(int(b)):
            url = "https://sou.zhaopin.com/?jl=%s&kw=%s&p=%d" % (a,self.keyword,int(b))
            with open("list_url.txt","a", encoding="utf-8") as f:
                f.write(url)
                f.write("\n")
            list_url.append(url)
    print("共拼接%d个列表页url"%(len(list_url)))
    return list_url

现在我们呢已经有了列表url，这样我们就可以访问url以此获取其每个招聘信息的详情页url

二、详情页URL获取

我们通过访问所有的列表url目的是为了获取每一个招聘信息的详情url，右键检查元素可发现，详情列表就在url a标签中

对此我们可以写代码

def Parser_Url(self, url):
    list_header = {
        'user-agent': '',
        'cookie': ''
    }
    try:
        text = requests.get(url=url, headers=list_header).text
        html = etree.HTML(text)
        urls = html.xpath('//div[@class="joblist-box__item clearfix"]/a[1]/@href')
        for url in urls:
            with open("detail_url.txt","a", encoding="utf-8") as f:
                f.write(url)
                f.write("\n")
    except Exception as e:
        print(e)
        pass

现在我们需要通过列表url获取详情url

def Get_detail_Url(self):
    print("开始获取详情页url")
    with open("list_url.txt","r",encoding="utf-8") as f:
        list_url=f.read().split("\n")[0:-1]
    for url in list_url:
        self.Parser_Url(url)

三、获取数据

我拿到了七千多条详情url，最后我们就可以利用这些url去获取数据

先写一个解析数据函数

def Parser_Data(self,text):
    html = etree.HTML(text)
    dic = {}
    try:
        dic["name"] = html.xpath('//h3[@class="summary-plane__title"]/text()')[0]
    except:
        dic["name"] = ""
    try:
        dic["salary"] = html.xpath('//span[@class="summary-plane__salary"]/text()')[0]
    except:
        dic["salary"] = ""
    try:
        dic["city"] = html.xpath('//ul[@class="summary-plane__info"]/li[1]/a/text()')[0]
    except:
        dic["city"] = ""
    with open(".//zhilian.csv", "a", encoding="utf-8") as f:
        writer = csv.DictWriter(f, dic.keys())
        writer.writerow(dic)

最后我们通过详情页url调用解析数据函数

def Get_Data(self):
    print("开始获取数据")
    detail_header = {
        'user-agent': '',
        'cookie': ''
    }
    with open("detail_url.txt","r",encoding="utf-8") as f:
        detail_url=f.read().split("\n")[0:-1]
    for url in detail_url:
        '''使用selenium访问'''
        # self.bro.get(url)
        # self.Parser_Data(self.bro.page_source)
        '''使用requests访问'''
        # text=requests.get(url,headers=detail_header,proxies={"http":'http://213.52.38.102:8080'}).text
        # self.Parser_Data(text)
        sleep(0.2)

如果使用requests访问就需要修改请求头信息

总结

利用requests+selenium的方法 加快了获取数据的速度，相较于之前 纯利用selenium的方式极大的缩短了时间

最后，我篇就说过 我之前写过一个智联招聘的爬虫，但是只是使用selenium去获取数据，现在又写了一个稍微好点的，我会把两个代码都放在公众号“阿虚学Python”中回复“智联爬虫”获取

谢谢大家的观看，如果觉得不错 点个赞吧

标签：Python,text,self,招聘,list,页数,bro,url,智联
来源： https://blog.csdn.net/weixin_47163937/article/details/115454616

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。