同樣是在招聘信息凌亂的網站上找工作，同學的騷操作把我給整蒙了

-Advertisement-

前言本文的文字及圖片來源於網路,僅供學習、交流使用,不具有任何商業用途,版權歸原作者所有,如有問題請及時聯繫我們以作處理。作者：Python進階者現在在疫情階段，想找一份不錯的工作變得更為困難，很多人會選擇去網上看招聘信息。可是招聘信息有一些是錯綜複雜的。而且不能把全部的信息全部羅列出來，以外 ...

前言

本文的文字及圖片來源於網路,僅供學習、交流使用,不具有任何商業用途,版權歸原作者所有,如有問題請及時聯繫我們以作處理。

作者：Python進階者

現在在疫情階段，想找一份不錯的工作變得更為困難，很多人會選擇去網上看招聘信息。可是招聘信息有一些是錯綜複雜的。而且不能把全部的信息全部羅列出來，以外賣的58招聘網站來看，資料整理的不清晰。

項目目標

獲取招聘信息，並批量把地點、公司名、工資、下載保存在txt文檔。

項目準備

軟體：PyCharm

需要的庫：requests、lxml、fake_useragent

網站如下：

https://gz.58.com/job/pn2/?param7503=1&from=yjz2_zhaopin&PGTID=0d302408-0000-3efd-48f6-ff64d26b4b1c&ClickID={}

點擊下一頁時，ClickID={}每增加一頁自增加1，用{}代替變換的變數，再用for迴圈遍歷這網址，實現多個網址請求。

反爬措施

該網站上的反爬主要有兩點：

1、直接使用requests庫，在不設置任何header的情況下，網站直接不返回數據

2、同一個ip連續訪問多次，直接封掉ip，起初我的ip就是這樣被封掉的。

為瞭解決這兩個問題，最後經過研究，使用以下方法，可以有效解決。

1、獲取正常的 http請求頭，併在requests請求時設置這些常規的http請求頭。

2、使用 fake_useragent ，產生隨機的UserAgent進行訪問。

項目實現

1、定義一個class類繼承object，定義init方法繼承self，主函數main繼承self。導入需要的庫和網址，代碼如下所示。

import requests
from lxml import etree
from fake_useragent import UserAgent


class  Zhaopin(object):
    def __init__(self):
        self.url = "https://gz.58.com/job/pn2/?param7503=1&from=yjz2_zhaopin&PGTID=0d302408-0000-3efd-48f6-ff64d26b4b1c&ClickID={}"  # /zhuanchang/:搜索的名字的拼音縮寫

    def main(self):
        pass

if __name__ == '__main__':
    Spider =  Zhaopin()
    Spider.main()

2、隨機產生UserAgent。

  for l in one:
    o = l.xpath('.//a/span[1]/text()')[0].strip()
    t = l.xpath('.//a//span[@class="name"]/text()')[0].strip()
    f = l.xpath('.//p[@class="job_salary"]/text()')
    thr = l.xpath('.//div[@class="comp_name"]//a/text()')[0].strip()
    for e in f:
        boss = '''

 %s:||%s: 
 公司：%s,
 工資：%s元/月
 =========================================================
                                ''' % (o, t, thr, e)
    print(str(boss)

3、發送請求，獲取響應, 頁面回調，方便下次請求。

def get_page(self, url):
    res = requests.get(url=url, headers=self.headers)
    html = res.content.decode("utf-8")
    return html

4、xpath解析找到對應的父節點。

def page_page(self, html):
    parse_html = etree.HTML(html)
    one = parse_html.xpath('//div[@class="main clearfix"]//div[@class="leftCon"]/ul/li')

5、for遍歷，定義一個變數food_info保存，獲取到二級頁面對應的菜名、原料、下載鏈接。

  for l in one:
    o = l.xpath('.//a/span[1]/text()')[0].strip()
    t = l.xpath('.//a//span[@class="name"]/text()')[0].strip()
    f = l.xpath('.//p[@class="job_salary"]/text()')
    thr = l.xpath('.//div[@class="comp_name"]//a/text()')[0].strip()
    for e in f:
        boss = '''

 %s:||%s: 
 公司：%s,
 工資：%s元/月
 =========================================================
                                ''' % (o, t, thr, e)
    print(str(boss)

6、將結果保存在txt文檔中，如下所示。

f = open('g.txt', 'a', encoding='utf-8')  # 以'w'方式打開文件
f.write(str(boss))
# print(house_dict)
f.write("\n")  # 鍵和值分行放，鍵在單數行，值在雙數行
f.close()

7、調用方法，實現功能。

html = self.get_page(url)
self.page_page(html)

效果展示

1、點擊綠色小三角運行輸入起始頁，終止頁。

2、運行程式後，結果顯示在控制台，如下圖所示。

3、保存txt文檔到本地，如下圖所示。

4、雙擊文件，內容如下圖所示。

您的分享是我們最大的動力!