通过CrawlSpider爬取网易社会招聘信息

2023-11-03 22:10

本文主要是介绍通过CrawlSpider爬取网易社会招聘信息,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!

通过CrawlSpider爬取网易社会招聘信息

1.创建工程
scrapy startproject 项目名称
2.创建crawlspider爬虫
scrapy genspider -t crawl 爬虫名 爬虫的范围.com
3.爬虫代码如下
# -*- coding: utf-8 -*-from scrapy.linkextractors import LinkExtractor
from scrapy.spiders import CrawlSpider, Ruleclass WangyishezhaoSpider(CrawlSpider):name = 'wangyishezhao'allowed_domains = ['163.com']start_urls = ['https://hr.163.com/position/list.do?postType=01']rules = (Rule(LinkExtractor(restrict_xpaths='//div[@class="m-page"]/a'), follow=True),Rule(LinkExtractor(restrict_xpaths='//tbody/tr/td[1]/a'), callback='parse_item', follow=False),)def parse_item(self, response):data_dict=dict()data_dict['job_title'] = response.xpath('//div[1]//div[1]/h2/text()').extract_first()data_dict['job_address'] = response.xpath('//table[@class="job-params"]//td[4]/text()').extract_first()# print(data_dict)return data_dict# print('#'*100)# print(response.url)
4.通过pipeline管道进行保存数据
# -*- coding: utf-8 -*-
from scrapy.exporters import JsonItemExporterclass WangyishezhaoPipeline(object):def open_spider(self,spider):self.file = open('wangyi.json','wb')# 写入器self.write = JsonItemExporter(self.file)self.write.start_exporting()def process_item(self, item, spider):self.write.export_item(item)return itemdef close_spider(self,spider):self.write.finish_exporting()self.file.close()
5.定义中间件,设置用户代理和ip代理
class UserAgentMiddleware(object):def process_request(self,request,spider):# 1.随机的user-agentrandom_user = random.choice(USER_AGENT_LIST)# 2.request.header['User-Agent']request.headers['User-Agent']=random_userdef process_response(self, request, response, spider):print('#' * 100)print(request.headers['User-Agent'])return responseclass ProxyMiddleware(object):def process_request(self,request,spider):# 1.代理ipproxy = random.choice(proxies)# 2.设置 request.meta['proxy']request.meta['proxy']=proxyreturn None
6.最后在settings配置文件中进行配置
BOT_NAME = 'WangYiSheZhao'SPIDER_MODULES = ['WangYiSheZhao.spiders']
NEWSPIDER_MODULE = 'WangYiSheZhao.spiders'# Crawl responsibly by identifying yourself (and your website) on the user-agent
USER_AGENT = 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.84 Safari/537.36'ROBOTSTXT_OBEY = FalseDOWNLOAD_DELAY = 0.5DOWNLOADER_MIDDLEWARES = {'WangYiSheZhao.middlewares.UserAgentMiddleware': 543,'WangYiSheZhao.middlewares.ProxyMiddleware': 555,
}ITEM_PIPELINES = {'WangYiSheZhao.pipelines.WangyishezhaoPipeline': 300,
}USER_AGENT_LIST = ["Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/30.0.1599.101 Safari/537.36","Mozilla/5.0 (Windows NT 6.1; WOW64; Trident/7.0; rv:11.0) like Gecko","Mozilla/5.0 (Windows NT 5.1) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 SE 2.X MetaSr 1.0","Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; SE 2.X MetaSr 1.0)","Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/19.77.34.5 Safari/537.1","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36 OPR/26.0.1656.60",
"Opera/8.0 (Windows NT 5.1; U; en)","Mozilla/5.0 (Windows NT 5.1; U; en; rv:1.8.1) Gecko/20061208 Firefox/2.0.0 Opera 9.50","Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; en) Opera 9.50",
]proxies = ['http://58.218.200.223:30054','http://58.218.200.223:30153','http://58.218.200.223:30370','http://58.218.200.223:30288','http://58.218.200.223:30044',
]
运行结果如下图所示

在这里插入图片描述

通过json.cn渲染后的结果

在这里插入图片描述

这篇关于通过CrawlSpider爬取网易社会招聘信息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/341187

相关文章

一文详解SQL Server如何跟踪自动统计信息更新

《一文详解SQLServer如何跟踪自动统计信息更新》SQLServer数据库中,我们都清楚统计信息对于优化器来说非常重要,所以本文就来和大家简单聊一聊SQLServer如何跟踪自动统计信息更新吧... SQL Server数据库中,我们都清楚统计信息对于优化器来说非常重要。一般情况下,我们会开启"自动更新

Python如何获取域名的SSL证书信息和到期时间

《Python如何获取域名的SSL证书信息和到期时间》在当今互联网时代,SSL证书的重要性不言而喻,它不仅为用户提供了安全的连接,还能提高网站的搜索引擎排名,那我们怎么才能通过Python获取域名的S... 目录了解SSL证书的基本概念使用python库来抓取SSL证书信息安装必要的库编写获取SSL证书信息

Win32下C++实现快速获取硬盘分区信息

《Win32下C++实现快速获取硬盘分区信息》这篇文章主要为大家详细介绍了Win32下C++如何实现快速获取硬盘分区信息,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 实现代码CDiskDriveUtils.h#pragma once #include <wtypesbase

Python如何实现PDF隐私信息检测

《Python如何实现PDF隐私信息检测》随着越来越多的个人信息以电子形式存储和传输,确保这些信息的安全至关重要,本文将介绍如何使用Python检测PDF文件中的隐私信息,需要的可以参考下... 目录项目背景技术栈代码解析功能说明运行结php果在当今,数据隐私保护变得尤为重要。随着越来越多的个人信息以电子形

C#实现系统信息监控与获取功能

《C#实现系统信息监控与获取功能》在C#开发的众多应用场景中,获取系统信息以及监控用户操作有着广泛的用途,比如在系统性能优化工具中,需要实时读取CPU、GPU资源信息,本文将详细介绍如何使用C#来实现... 目录前言一、C# 监控键盘1. 原理与实现思路2. 代码实现二、读取 CPU、GPU 资源信息1.

在C#中获取端口号与系统信息的高效实践

《在C#中获取端口号与系统信息的高效实践》在现代软件开发中,尤其是系统管理、运维、监控和性能优化等场景中,了解计算机硬件和网络的状态至关重要,C#作为一种广泛应用的编程语言,提供了丰富的API来帮助开... 目录引言1. 获取端口号信息1.1 获取活动的 TCP 和 UDP 连接说明:应用场景:2. 获取硬

SpringBoot使用Apache Tika检测敏感信息

《SpringBoot使用ApacheTika检测敏感信息》ApacheTika是一个功能强大的内容分析工具,它能够从多种文件格式中提取文本、元数据以及其他结构化信息,下面我们来看看如何使用Ap... 目录Tika 主要特性1. 多格式支持2. 自动文件类型检测3. 文本和元数据提取4. 支持 OCR(光学

C#实现获取电脑中的端口号和硬件信息

《C#实现获取电脑中的端口号和硬件信息》这篇文章主要为大家详细介绍了C#实现获取电脑中的端口号和硬件信息的相关方法,文中的示例代码讲解详细,有需要的小伙伴可以参考一下... 我们经常在使用一个串口软件的时候,发现软件中的端口号并不是普通的COM1,而是带有硬件信息的。那么如果我们使用C#编写软件时候,如

通过C#获取PDF中指定文本或所有文本的字体信息

《通过C#获取PDF中指定文本或所有文本的字体信息》在设计和出版行业中,字体的选择和使用对最终作品的质量有着重要影响,然而,有时我们可能会遇到包含未知字体的PDF文件,这使得我们无法准确地复制或修改文... 目录引言C# 获取PDF中指定文本的字体信息C# 获取PDF文档中用到的所有字体信息引言在设计和出

C#读取本地网络配置信息全攻略分享

《C#读取本地网络配置信息全攻略分享》在当今数字化时代,网络已深度融入我们生活与工作的方方面面,对于软件开发而言,掌握本地计算机的网络配置信息显得尤为关键,而在C#编程的世界里,我们又该如何巧妙地读取... 目录一、引言二、C# 读取本地网络配置信息的基础准备2.1 引入关键命名空间2.2 理解核心类与方法