摘要：感觉这和上面蓝色的链接差不多一样啊没错，上面的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。
作者：xiaoyu
微信公众号：Python数据科学
知乎：Python数据分析师
最近总被智联招聘广发骚扰，烦死个人了简直。索性点进去看了看爬虫工程师现在市场需求到底怎么样了？发展前景如何？看完了之后感觉目前还不错，根据北京来看职位需求还是蛮多的，薪资也还行，于是就对智联招聘职位信息的爬取发起了一次小小的挑战，今天给大家分享一个爬取招聘网站的工作信息，效果图如下（部分截图）。
(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” 二字为例， 如下：
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。这些信息关系到你如何创建数据库表单，后面会提到。
这里博主决定使用BeautifulSoup方法解决网页的解析，那么先用F12 element看看网页的结构再说。
博主经分析后发现，其它四个信息提取方式都是一样的，但是工作名称的标签结构是有所不同的，为什么呢？
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的存在（第一个标签中有红色关键字）。
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” 二字，由于可能存在以上关键字的问题，那么标签的结果就会不同。因此，我们需要在代码解析的时候进行特殊处理，下面进行代码实现分析。
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上了，可供参考，链接https://github.com/xiaoyusmd/...
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，地理位置：北京）
（搜索关键词：电子工程师，地理位置：上海）
（搜索关键词：会计，地理位置：深圳）
（搜索关键词：客户经理，地理位置：广州）
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。
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/47504.html
摘要：以下这些项目，你拿来学习学习练练手。当你每个步骤都能做到很优秀的时候，你应该考虑如何组合这四个步骤，使你的爬虫达到效率最高，也就是所谓的爬虫策略问题，爬虫策略学习不是一朝一夕的事情，建议多看看一些比较优秀的爬虫的设计方案，比如说。 （一）如何学习Python 学习Python大致可以分为以下几个阶段： 1.刚上手的时候肯定是先过一遍Python最基本的知识，比如说：变量、数据结构、语法...
摘要：时间永远都过得那么快，一晃从年注册，到现在已经过去了年那些被我藏在收藏夹吃灰的文章，已经太多了，是时候把他们整理一下了。那是因为收藏夹太乱，橡皮擦给设置私密了，不收拾不好看呀。 ...
原文地址： http://www.jtahstu.com/blog/s... Python爬虫框架Scrapy实战 - 抓取BOSS直聘招聘信息 零、开发环境 MacBook Pro (13-inch, 2016, Two Thunderbolt 3 ports) CPU : 2 GHz Intel Core i5 RAM : 8 GB 1867 MHz LPDDR3 Python 版本: v3...
原文地址： http://www.jtahstu.com/blog/s... Python爬虫框架Scrapy实战 - 抓取BOSS直聘招聘信息 零、开发环境 MacBook Pro (13-inch, 2016, Two Thunderbolt 3 ports) CPU : 2 GHz Intel Core i5 RAM : 8 GB 1867 MHz LPDDR3 Python 版本: v3...
摘要：但这边特别提醒的是里看到的代码不等于请求网址拿到的返回值。这个文件包含了列表中所有请求的各项参数及返回值信息，以便你查找分析。理解了这几步，大部分网上的数据都可以拿到，说解决一半的问题可不是标题党。 网上爬虫的教程实在太多了，知乎上搜一下，估计能找到不下一百篇。大家乐此不疲地从互联网上抓取着一个又一个网站。但只要对方网站一更新，很可能文章里的方法就不再有效了。 每个网站抓取的代码各不相...
阅读 792·2021-10-13 09:48
阅读 3558·2021-09-22 10:53
阅读 2963·2021-08-30 09:41
阅读 1752·2019-08-30 15:55
阅读 2729·2019-08-30 15:55
阅读 1726·2019-08-30 14:11
阅读 2076·2019-08-29 13:44
阅读 633·2019-08-26 12:23
