手把手教你使用Python網絡爬蟲獲取招聘信息
1.前言
現在在疫情階段，想找一份不錯的工作變得更為困難，很多人會選擇去網上看招聘信息。可是招聘信息有一些是錯綜復雜的。而且不能把全部的信息全部羅列出來，以外賣的58招聘網站來看，資料整理的不清晰。
2.項目目標
獲取招聘信息，并批量把地點、 公司名、工資 、下載保存在txt文檔。
3.項目準備
軟件：PyCharm
需要的庫：requests、lxml、fake_useragent
網站如下：
- https://gz.58.com/job/pn2/?param7503=1&from=yjz2_zhaopin&PGTID=0d302408-0000-3efd-48f6-ff64d26b4b1c&ClickID={}
點擊下一頁時，ClickID={}每增加一頁自增加1，用{}代替變換的變量，再用for循環遍歷這網址，實現多個網址請求。
4.反爬措施
該網站上的反爬主要有兩點：
1、 直接使用requests庫，在不設置任何header的情況下，網站直接不返回數據
2、同一個ip連續訪問多次，直接封掉ip，起初我的ip就是這樣被封掉的。
為了解決這兩個問題，最后經過研究，使用以下方法，可以有效解決。
1、獲取正常的 http請求頭，并在requests請求時設置這些常規的http請求頭。
2、使用 fake_useragent ，產生隨機的UserAgent進行訪問。
5.項目實現
1、定義一個class類繼承object，定義init方法繼承self，主函數main繼承self。導入需要的庫和網址，代碼如下所示。
- import requests
- from lxml import etree
- from fake_useragent import UserAgent
- class Zhaopin(object):
- def __init__(self):
- self.url = "https://gz.58.com/job/pn2/?param7503=1&from=yjz2_zhaopin&PGTID=0d302408-0000-3efd-48f6-ff64d26b4b1c&ClickID={}" # /zhuanchang/:搜索的名字的拼音縮寫
- def main(self):
- pass
- if __name__ == '__main__':
- Spider = Zhaopin()
- Spider.main()
2、隨機產生UserAgent。
- for i in range(1, 50):
- self.headers = {
- 'User-Agent': ua.random,
- }
3、發送請求，獲取響應, 頁面回調，方便下次請求。
- def get_page(self, url):
- res = requests.get(url=url, headers=self.headers)
- html = res.content.decode("utf-8")
- return html
4、xpath解析找到對應的父節點。
- def page_page(self, html):
- parse_html = etree.HTML(html)
- one = parse_html.xpath('//div[@class="main clearfix"]//div[@class="leftCon"]/ul/li')
5、for遍歷，定義一個變量food_info保存，獲取到二級頁面對應的菜 名、 原 料 、下 載 鏈 接。
- for l in one:
- o = l.xpath('.//a/span[1]/text()')[0].strip()
- t = l.xpath('.//a//span[@class="name"]/text()')[0].strip()
- f = l.xpath('.//p[@class="job_salary"]/text()')
- thr = l.xpath('.//div[@class="comp_name"]//a/text()')[0].strip()
- for e in f:
- boss = '''
- %s:||%s:
- 公司：%s,
- 工資：%s元/月
- =========================================================
- ''' % (o, t, thr, e)
- print(str(boss)
6、將結果保存在txt文檔中，如下所示。
- f = open('g.txt', 'a', encoding='utf-8') # 以'w'方式打開文件
- f.write(str(boss))
- # print(house_dict)
- f.write("\n") # 鍵和值分行放，鍵在單數行，值在雙數行
- f.close()
7、調用方法，實現功能。
- html = self.get_page(url)
- self.page_page(html)
6.效果展示
1、點擊綠色小三角運行輸入起始頁，終止頁。
2、運行程序后，結果顯示在控制臺，如下圖所示。
3、保存txt文檔到本地，如下圖所示。
4、雙擊文件，內容如下圖所示。
7.小結
1、不建議抓取太多數據，容易對服務器造成負載，淺嘗輒止即可。
2、本文章就Python爬取招聘網，在應用中出現的難點和重點，以及如何防止反爬，做出了相對于的解決方案。
3、介紹了如何去拼接字符串，以及列表如何進行類型的轉換。
4、代碼很簡單，希望能夠幫到你。
5、歡迎大家積極嘗試，有時候看到別人實現起來很簡單，但是到自己動手實現的時候，總會有各種各樣的問題，切勿眼高手低，勤動手，才可以理解的更加深刻。
6、可以選擇自己喜歡的分類，獲取工作，找到自己喜歡工作。
