Scrapy抓取前程无忧招聘信息(静态页面)

2024-02-05 08:59

本文主要是介绍Scrapy抓取前程无忧招聘信息(静态页面),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!

    前言,为了了解重庆各区招聘软件测试的情况,需要抓取前程无忧中搜索到的招聘信息,并把信息写到数据库,再分析数据。

    1. 创建Scrapy项目:

        scrapy startproject counter


    2. 生成Spider:

        cd counter

        scrapy genspider cqtester www.51job.com


    3. 组织需要的数据 -- Items.py

        

import scrapyclass CounterItem(scrapy.Item):# define the fields for your item here like:# name = scrapy.Field()# passtitle = scrapy.Field()    #  标题company = scrapy.Field()    # 公司名称desc = scrapy.Field()    # 描述salary = scrapy.Field()    #  薪水范围location = scrapy.Field()    # 工作地点date = scrapy.Field()    # 发布日期datasource = scrapy.Field()    # 消息来源

    4.  在设置中配置Mysql相关

        

# 配置Mysql
MYSQL_HOST = '192.168.25.214'
MYSQL_DBNAME = 'test'
MYSQL_USER = 'root'
MYSQL_PASSWD = 'Soft.rz'
CHARSET = 'utf8'MYSQL_PORT = 3306ITEM_PIPELINES = {'counter.pipelines.CounterPipeline': 300,
}

    5.  组装数据并保存到Mysql数据库

        

import pymysql
from scrapy.conf import settings    # 导入在Settings文件里的配置class CounterPipeline(object):def process_item(self, item, spider):host = settings['MYSQL_HOST']user = settings['MYSQL_USER']pwd = settings['MYSQL_PASSWD']db = settings['MYSQL_DBNAME']c = settings['CHARSET']port = settings['MYSQL_PORT']# 数据库连接con = pymysql.connect(host=host, user=user, passwd=pwd, db=db, charset=c, port=port)# 数据库游标cue = con.cursor()print("Mysql connect succes!")sqls = "insert into cqtester(Title,Company,Salary,Location,date,DataSource) values(%s,%s,%s,%s,%s,%s)"paras = (item['title'],item['company'],item['salary'],item['location'],item['date'],item['datasource'])try:cue.execute(sqls, paras)print("insert success")except Exception as e:print("Insert error: ", e)con.rollback()else:con.commit()con.close()return item


    6. 爬虫实现

        

# -*- coding: utf-8 -*-
import scrapy
from counter.items import CounterItem
from scrapy.http import Requestclass CqtesterSpider(scrapy.Spider):name = 'cqtester'allowed_domains = ['www.51job.com']start_urls = ['https://jobs.51job.com/chongqing/ruanjianceshi/p1/']def parse(self, response):pages = response.xpath('//input[@id="hidTotalPage"]/@value').extract()[0]pages = int(pages)# print("\n The Page is %d \n" %pages)for p in range(1, pages+1):# print("第 %d 页 \n" %p)yield Request("https://jobs.51job.com/chongqing/ruanjianceshi/p"+ str(p),callback=self.parsecontent, dont_filter=True)def parsecontent(self, response):contents = response.xpath('//p[@class="info"]')for content in contents:item = CounterItem()item['title'] = content.xpath('span/a/@title').extract()item['company'] = content.xpath('a/@title').extract()pays = content.xpath('span[@class="location"]/text()').extract()if not pays:pays = '面议'item['salary'] = paysitem['location'] = content.xpath('span[@class="location name"]/text()').extract()pushdate = content.xpath('span[@class="time"]/text()').extract()# pushdate = "2018-" + pushdateitem['date'] = pushdateitem['datasource'] = '51Job'yield item

    7. 运行后的结果:

        

    8. 分析数据(FIC软件)

        

    目前只抓取了静态网页的信息,另外还有百度百聘的动态页面未实现(http://zhaopin.baidu.com/quanzhi?tid=4139&ie=utf8&oe=utf8&query=%E9%87%8D%E5%BA%86+%E8%BD%AF%E4%BB%B6%E6%B5%8B%E8%AF%95+%E6%8B%9B%E8%81%98&city_sug=%E9%87%8D%E5%BA%86),其翻页通过JS实现,后续再研究。

这篇关于Scrapy抓取前程无忧招聘信息(静态页面)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/680396

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

Linux系统中配置静态IP地址的详细步骤

《Linux系统中配置静态IP地址的详细步骤》本文详细介绍了在Linux系统中配置静态IP地址的五个步骤,包括打开终端、编辑网络配置文件、配置IP地址、保存并重启网络服务,这对于系统管理员和新手都极具... 目录步骤一:打开终端步骤二:编辑网络配置文件步骤三:配置静态IP地址步骤四:保存并关闭文件步骤五:重

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

MyBatis-Plus中静态工具Db的多种用法及实例分析

《MyBatis-Plus中静态工具Db的多种用法及实例分析》本文将详细讲解MyBatis-Plus中静态工具Db的各种用法,并结合具体案例进行演示和说明,具有很好的参考价值,希望对大家有所帮助,如有... 目录MyBATis-Plus中静态工具Db的多种用法及实例案例背景使用静态工具Db进行数据库操作插入

Android WebView无法加载H5页面的常见问题和解决方法

《AndroidWebView无法加载H5页面的常见问题和解决方法》AndroidWebView是一种视图组件,使得Android应用能够显示网页内容,它基于Chromium,具备现代浏览器的许多功... 目录1. WebView 简介2. 常见问题3. 网络权限设置4. 启用 JavaScript5. D

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

Flutter监听当前页面可见与隐藏状态的代码详解

《Flutter监听当前页面可见与隐藏状态的代码详解》文章介绍了如何在Flutter中使用路由观察者来监听应用进入前台或后台状态以及页面的显示和隐藏,并通过代码示例讲解的非常详细,需要的朋友可以参考下... flutter 可以监听 app 进入前台还是后台状态,也可以监听当http://www.cppcn

Apache伪静态(Rewrite).htaccess文件详解与配置技巧

《Apache伪静态(Rewrite).htaccess文件详解与配置技巧》Apache伪静态(Rewrite).htaccess是一个纯文本文件,它里面存放着Apache服务器配置相关的指令,主要的... 一、.htAccess的基本作用.htaccess是一个纯文本文件,它里面存放着Apache服务器

MySQL表锁、页面锁和行锁的作用及其优缺点对比分析

《MySQL表锁、页面锁和行锁的作用及其优缺点对比分析》MySQL中的表锁、页面锁和行锁各有特点,适用于不同的场景,表锁锁定整个表,适用于批量操作和MyISAM存储引擎,页面锁锁定数据页,适用于旧版本... 目录1. 表锁(Table Lock)2. 页面锁(Page Lock)3. 行锁(Row Lock

禁止HTML页面滚动的操作方法

《禁止HTML页面滚动的操作方法》:本文主要介绍了三种禁止HTML页面滚动的方法:通过CSS的overflow属性、使用JavaScript的滚动事件监听器以及使用CSS的position:fixed属性,每种方法都有其适用场景和优缺点,详细内容请阅读本文,希望能对你有所帮助... 在前端开发中,禁止htm