Python爬虫实战之（二）| 寻找你的招聘信息

数据库小白一枚，正在不断学习积累知识，现将学习到的知识记录一下，也是将我的所得分享给大家！而今天这篇文章《Python爬虫实战之（二）| 寻找你的招聘信息》带大家来了解一下Python爬虫实战之（二）| 寻找你的招聘信息，希望对大家的知识积累有所帮助，从而弥补自己的不足，助力实战开发！

最近总被

智联招聘

爬虫工程师

(

更多效果图在后面

功能需求分析

主要功能需求如下：

• 用户输入工作地点和感兴趣的职位信息；
• 根据指定输入信息进行多线程的网页爬取；
• 解析提取结构化的招聘信息；
• 将数据存入指定的数据库；

这里由于篇幅和时间原因，功能并没有那么复杂，但是博主会在后续加入更加丰富的功能，并与大家分享，包括：

• ip池的加入;
• 爬取和解析效率的优化；
• 对爬取数据进行数据分析，提供可视化的统计和简单预测；
• 其它反爬功能;

功能实现分析

明白了要完成的任务，就需要开始分析我们的目标网站了。

1.网页爬取分析

打开智联招聘的搜索界面，输入 “

爬虫

然后我们通过fiddler抓包工具抓取浏览器操作时的信息如下：

• 职位信息输入后看到这个请求是

  GET

  模式，

  GET

  请求的链接是
  http://sou.zhaopin.com/jobs/s...
• 浏览器发出请求的

  headers

  头信息，copy到代码

  headers

  中。

由于浏览器正常操作下是通过点击“搜索按钮”或者“回车”来进行职位搜索的，而我们并不希望使用浏览器内核webdriver的使用来解决此问题。

因此，

思路是：我们需要从发出的GET请求的URL进行分析。

在浏览器中显示的URL是这样子的，有汉字。

• “

  北京

  ” 和 “

  爬虫

  ” 关键词都以汉字形式显示。感觉这和上面蓝色的链接差不多一样啊！没错，上面的URL是北京和爬虫关键字进行

  编码之后

  的样子，而我们向服务器提交的正是上面那个编码之后的URL。
• 后面

  “p=1”

  的意思是第一页，

  “adv=0”

  经其它数字测试后没有影响，固不做改变。

好了，捋明白了。我们需要做的其实就是将我们输入的关键词汉字进行编码，然后替换掉上面蓝色URL的lj=“”和kw=“”中的内容，再用这个新的URL发出请求就OK了。

2.网页解析分析

这是浏览器搜索之后得到的结果，从招聘信息中我们希望得到一些有用的信息。博主这里定义了五个字段信息：

职位名称、反馈率、公司名称、职位月薪、工作地点

这里博主决定使用

BeautifulSoup

博主经分析后发现，其它四个信息提取方式都是一样的，但是

工作名称

来，先看一条数据的标签，它是这样的：

再看，另一条数据的标签，是这样的：

发现有什么不同了吗？

第一个工作名称的标签里有，而第二个标签里什么都没有。

看看上面这两个名称不难发现，导致这个问题的原因其实是

关键字

而又想到，我们正常搜索的时候一般不会输入完整的工作名称，比如我只输入 “

爬虫

代码实现分析

由于需要将解析后的数据存入数据库，因此需要先在命令窗口创建一个数据库（也可以在Python中完成），这里简单提一下所需的操作。

• 使用了

  MySQL

  数据库进行储存
• 数据库表单包含了之前提到的五个字段信息

下面是具体代码的实现。

1.URL的重组实现

• 使用了

  property

  修饰器定了函数来接收用户信息
• 将输入信息用

  quote

  进行编码重组，生成爬取所需的目标URL

2.html下载

• 将重新生成的URL放入函数中进行html的下载。

3.html解析

• 使用

  BeautifulSoup

  和

  正则表达式

  从网页解析五个字段信息。

4. 储存解析数据

以上是代码的核心内容，完整源码博主已经上传到

Github

更多效果图展示

展示效果图均为部分截图，用于示意。

（搜索关键词：

广告策划

北京

（搜索关键词：

电子工程师

上海

（搜索关键词：

会计

深圳

（搜索关键词：

客户经理

广州

总结

• 本篇分享了一个从智联招聘网站爬取工作信息的实战内容，完成了需求的基本功能。
• 在此实战内容基础上，更多复杂和精彩功能会在后续陆续分享

欢迎关注微信公众号Python数据科学。

文中关于mysql的知识介绍，希望对你的学习有所帮助！若是受益匪浅，那就动动鼠标收藏这篇《Python爬虫实战之（二）| 寻找你的招聘信息》文章吧，也可关注golang学习网公众号了解相关技术文章。