当前位置： 移动技术网 > IT编程>脚本编程>Python > Scrapy案例02-腾讯招聘信息爬取

Scrapy案例02-腾讯招聘信息爬取

2019年02月16日  | 移动技术网IT编程  | 我要评论

匿踪库卡隆,4001108003,kwill 灿烈

目录

1. 目标

目标：https://hr.tencent.com/position.php?&start=0#a

爬取所有的职位信息信息

  • 职位名
  • 职位url
  • 职位类型
  • 职位人数
  • 工作地点
  • 发布时间

2. 网站结构分析

3. 编写爬虫程序

3.1. 配置需要爬取的目标变量

class tecentjobitem(scrapy.item):
    # define the fields for your item here like:
    positionname = scrapy.field()
    positionlink = scrapy.field()
    positiontype = scrapy.field()
    peoplenum = scrapy.field()
    worklocation = scrapy.field()
    publishtime = scrapy.field()

3.2. 写爬虫文件scrapy

# -*- coding: utf-8 -*-
import scrapy
from tecentjob.items import tecentjobitem

class tencentspider(scrapy.spider):

    name = 'tencent'
    allowed_domains = ['tencent.com']
    url = 'https://hr.tencent.com/position.php?&start='
    offset = 0
    start_urls = [url + str(offset)]

    def parse(self, response):

        for each in response.xpath("//tr[@class = 'even'] | //tr[@class = 'odd']"):
            # 初始化模型对象
            item = tecentjobitem()

            item['positionname'] = each.xpath("./td[1]/a/text()").extract()[0]
            item['positionlink'] = each.xpath("./td[1]/a/@href").extract()[0]
            item['positiontype'] = each.xpath("./td[2]/text()").extract()[0]
            item['peoplenum'] = each.xpath("./td[3]/text()").extract()[0]
            item['worklocation'] = each.xpath("./td[4]/text()").extract()[0]
            item['publishtime'] = each.xpath("./td[5]/text()").extract()[0]

            yield item

        if self.offset < 100:
            self.offset += 10

        # 将请求重写发送给调度器入队列、出队列、交给下载器下载
        # 拼接新的rurl，并回调parse函数处理response
        # yield scrapy.request(url， callback = self.parse)

        yield scrapy.request(self.url + str(self.offset), callback=self.parse)

3.3. 编写yield需要的管道文件

import json

class tecentjobpipeline(object):

    def __init__(self):
        self.filename = open("tencent.json", 'wb')

    def process_item(self, item, spider):
        text = json.dumps(dict(item),ensure_ascii=false) + "\n"
        self.filename.write(text.encode('utf-8'))
        return item

    def close_spider(self, spider):
        self.filename.close()

3.4. setting中配置请求抱头信息

default_request_headers = {
  'user-agent': 'mozilla/5.0 (windows nt 10.0; win64; x64) applewebkit/537.36 (khtml, like gecko) chrome/71.0.3578.98 safari/537.36',
  'accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
  'accept-language': 'en',
}

4. 最后结果

您可能感兴趣的文章:

如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复

相关文章:

验证码：
最近更新的文章
大家感兴趣的文章
移动技术网