Scrapy框架爬取智联招聘网站上海地区python工作第一页(90条)

本文主要是介绍Scrapy框架爬取智联招聘网站上海地区python工作第一页(90条),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1. 创建项目:

  CMD下  

      scrapy startproject zhilianJob

   然后 cd zhilianJob ,  创建爬虫文件 job.py: scrapy genspider job xxx.com

2. settings.py 中:

USER_AGENT = 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36'
ROBOTSTXT_OBEY = False
ITEM_PIPELINES = {'zhilianJob.pipelines.ZhilianjobPipeline': 300,
}

 

3. 爬虫文件job.py中:

# -*- coding: utf-8 -*-
import scrapy
import json
from zhilianJob.items import ZhilianjobItemclass JobSpider(scrapy.Spider):name = 'job'# allowed_domains = ['www.sou.zhaopin.com']# start_urls可以简写成:https://fe-api.zhaopin.com/c/i/sou?pageSize=90&cityId=538&kw=python&kt=3start_urls = ['https://fe-api.zhaopin.com/c/i/sou?pageSize=90&cityId=538&salary=0,0&workExperience=-1&education=-1&companyType=-1&employmentType=-1&jobWelfareTag=-1&kw=python&kt=3&=0&_v=0.02964699&x-zp-page-request-id=3e524df5d2b541dcb5ddb82028a5c1b6-1565749700925-710042&x-zp-client-id=2724abb6-fb33-43a0-af2e-f177d8a3e169']def parse(self, response):# print(response.text)data = json.loads(response.text)job = data['data']['results']# print(job)try:for j in job:item = ZhilianjobItem()item['job_name'] = j['jobName']item['job_firm'] = j['company']['name']item['job_firmPeople'] = j['company']['size']['name']item['job_salary'] = j['salary']item['job_type'] = j['jobType']['items'][0]['name']item['job_yaoqiu'] = j['eduLevel']['name'] + ',' + j['workingExp']['name']item['job_welfare'] = ','.join(j['welfare'])yield itemexcept Exception as e:print(e)

 

4. items.py中:

  

# -*- coding: utf-8 -*-# Define here the models for your scraped items
#
# See documentation in:
# https://doc.scrapy.org/en/latest/topics/items.htmlimport scrapyclass ZhilianjobItem(scrapy.Item):# define the fields for your item here like:job_name = scrapy.Field()       #工作名称job_firm = scrapy.Field()       #公司名称job_firmPeople = scrapy.Field()       #公司人数job_type = scrapy.Field()       #工作类型job_salary = scrapy.Field()     #薪水job_yaoqiu = scrapy.Field()     #工作要求job_welfare = scrapy.Field()    #福利pass

5. 创建数据库,根据items中字段对应即可

6 . 管道文件pipelines.py:

import pymysql
class ZhilianjobPipeline(object):conn = Nonemycursor = Nonedef open_spider(self,spider):self.conn = pymysql.connect(host='172.16.25.37',port=3306,user='root',password='root',db='scrapy')# 获取游标self.mycursor = self.conn.cursor()print('正在清空之前的数据...')# 我只打算要第一页的数据,所以每次爬取都是最新的,要把数据库里的之前的数据要清空sql1 = "truncate table sh_python"self.mycursor.execute(sql1)print('已清空之前的数据,上海--python--第一页(90)...开始下载...')def process_item(self, item, spider):job_name = item['job_name']job_firm = item['job_firm']job_firmPeople = item['job_firmPeople']job_salary = item['job_salary']job_type = item['job_type']job_yaoqiu = item['job_yaoqiu']job_welfare = item['job_welfare']try:sql2 = "insert into sh_python VALUES (NULL ,'%s','%s','%s','%s','%s','%s','%s')"%(job_name,job_firm,job_firmPeople,job_salary,job_type,job_yaoqiu,job_welfare)#执行sqlself.mycursor.execute(sql2)#提交self.conn.commit()except Exception as e:print(e)self.conn.rollback()return itemdef close_spider(self,spider):self.mycursor.close()self.conn.close()print('上海--python--第一页(90)...下载完毕...')

 

7. 看数据库是否有数据

成功。

 

转载于:https://www.cnblogs.com/wshr210/p/11351842.html

这篇关于Scrapy框架爬取智联招聘网站上海地区python工作第一页(90条)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/339965

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

90、k8s之secret+configMap

一、secret配置管理 配置管理: 加密配置:保存密码,token,其他敏感信息的k8s资源 应用配置:我们需要定制化的给应用进行配置,我们需要把定制好的配置文件同步到pod当中容器 1.1、加密配置: secret: [root@master01 ~]# kubectl get secrets ##查看加密配置[root@master01 ~]# kubectl get se

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

cross-plateform 跨平台应用程序-03-如果只选择一个框架,应该选择哪一个?

跨平台系列 cross-plateform 跨平台应用程序-01-概览 cross-plateform 跨平台应用程序-02-有哪些主流技术栈? cross-plateform 跨平台应用程序-03-如果只选择一个框架,应该选择哪一个? cross-plateform 跨平台应用程序-04-React Native 介绍 cross-plateform 跨平台应用程序-05-Flutte

Spring框架5 - 容器的扩展功能 (ApplicationContext)

private static ApplicationContext applicationContext;static {applicationContext = new ClassPathXmlApplicationContext("bean.xml");} BeanFactory的功能扩展类ApplicationContext进行深度的分析。ApplicationConext与 BeanF

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

数据治理框架-ISO数据治理标准

引言 "数据治理"并不是一个新的概念,国内外有很多组织专注于数据治理理论和实践的研究。目前国际上,主要的数据治理框架有ISO数据治理标准、GDI数据治理框架、DAMA数据治理管理框架等。 ISO数据治理标准 改标准阐述了数据治理的标准、基本原则和数据治理模型,是一套完整的数据治理方法论。 ISO/IEC 38505标准的数据治理方法论的核心内容如下: 数据治理的目标:促进组织高效、合理地