爬虫系列(十二):使用BeautifuSoup4的爬虫

我们以腾讯社招页面来做演示:http://hr.tencent.com/position.php?&start=10#a

image.png

使用BeautifuSoup4解析器,将招聘网页上的职位名称、职位类别、招聘人数、工作地点、发布时间,以及每个职位详情的点击链接存储出来。
image.png

bs4_tencent.py

    from bs4 import BeautifulSoup
    import urllib2
    import urllib
    import json    # 使用了json格式存储

    def tencent():
        url = 'http://hr.tencent.com/'
        request = urllib2.Request(url + 'position.php?&start=10#a')
        response =urllib2.urlopen(request)
        resHtml = response.read()

        output =open('tencent.json','w')

        html = BeautifulSoup(resHtml,'lxml')

    # 创建CSS选择器
        result = html.select('tr[class="even"]')
        result2 = html.select('tr[class="odd"]')
        result += result2

        items = []
        for site in result:
            item = {}

            name = site.select('td a')[0].get_text()
            detailLink = site.select('td a')[0].attrs['href']
            catalog = site.select('td')[1].get_text()
            recruitNumber = site.select('td')[2].get_text()
            workLocation = site.select('td')[3].get_text()
            publishTime = site.select('td')[4].get_text()

            item['name'] = name
            item['detailLink'] = url + detailLink
            item['catalog'] = catalog
            item['recruitNumber'] = recruitNumber
            item['publishTime'] = publishTime

            items.append(item)

        # 禁用ascii编码,按utf-8编码
        line = json.dumps(items,ensure_ascii=False)

        output.write(line.encode('utf-8'))
        output.close()

    if __name__ == "__main__":
       tencent()
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • 本章将从Python案例讲起:所使用bs4做一个简单的爬虫案例,更多内容请参考:Python学习指南 案例:使用B...
    小七奇奇阅读 1,184评论 0 2
  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 174,002评论 25 709
  • 寒假正有游开封的想法 正好晶英约我 所以趁阳光正好 微风不燥 出发啦 哈哈约好六点半寝室一块出发,没想到她六点二十...
    黄金比丽阅读 203评论 0 0
  • 感恩美好的一天,感恩与到美好的人,感恩和弟兄姐妹一起晨祷,感恩有机会单独和孩子在一起,感恩爱人和师母一起出去退休,...
    恩宠爸爸阅读 199评论 0 0
  • “正是辘轳金井,满砌花红冷。蓦地一相逢,心事眼波难定。谁省?谁省?从此簟纹灯影。”容若的词是坠入明月心湖的一颗颗碎...
    温雪寒春阅读 305评论 0 1