使用Scrapy简单爬取51job

环境

  • ubuntu 14.04 LTS
  • Scrapy 1.4.0

爬取链接

爬取步骤

  1. 在浏览器中打开爬取链接, 并进入审查元素模式(F12), 定位到要爬取的标题。
1.png
  1. 在终端中输入
scrapy shell "http://search.51job.com/list/030200,000000,0000,00,9,99,python,2,1.html?lang=c&stype=1&postchannel=0000&workyear=99&cotype=99&degreefrom=99&jobterm=99&companysize=99&lonlat=0%2C0&radius=-1&ord_field=0&confirmdate=9&fromType=&dibiaoid=0&address=&line=&specialarea=00&from=&welfare="
  1. 使用Scrapy选择器(Selectors)获取岗位标题
# 输入, 由步骤1中知道css位置为 p > a
response.css('p a::attr(title)').extract_first()
# 输出
u'Python\u5f00\u53d1\u5de5\u7a0b\u5e08'
  1. 获取公司名称
# 输入
response.css('span.t2 a::attr(title)').extract_first()
# 输出
u'\u4e0a\u6d77\u65b0\u5de5\u5f0f\u7f51\u7edc\u79d1\u6280\u6709\u9650\u516c\u53f8'
  1. 获取其它信息类似,这里不多说,Selectors使用方法请参考
    https://doc.scrapy.org/en/1.4/topics/selectors.html

编写整体代码

  • 因为每个岗位的css结构为div.dw_table div.el, 所以在代码中要把它遍历出来
2.png
  • 整体代码fiveOneJob_spider.py
#coding:utf-8

"""
author: ilyq69
date: 20170828
"""

import scrapy


class FiveOneJobSpider(scrapy.Spider):

    name = 'fiveOnejob'

    start_urls= [
        'http://search.51job.com/list/030200,000000,0000,00,9,99,python,2,1.html?lang=c&stype=1&postchannel=0000&workyear=99&cotype=99&degreefrom=99&jobterm=99&companysize=99&lonlat=0%2C0&radius=-1&ord_field=0&confirmdate=9&fromType=&dibiaoid=0&address=&line=&specialarea=00&from=&welfare='
    ]

    def parse(self, response):
        '''
        :param response:
        :return:
        '''
        for item in response.css('div.dw_table div.el'):
            yield {
                "title": item.css('p a::attr(title)').extract_first(),
                "link": item.css('p a::attr(href)').extract_first(),
                "company": item.css('span.t2 a::attr(title)').extract_first(),
                "city": item.css('span.t3 ::text').extract_first(),
                "salary": item.css('span.t4 ::text').extract_first(),
                "createTime": item.css('span.t5 ::text').extract_first()
            }

        next_page = response.css('div.p_in ul li.bk a::attr(href)').extract()
        if next_page is not None:
            if len(next_page) > 1:
                yield response.follow(next_page[1], callback=self.parse)
            else:
                yield response.follow(next_page[0], callback=self.parse)

运行测试

  • 运行
scrapy runspider fiveOneJob_spider.py -o job.json
  • 查看结果, 打开job.json

参考

最后

  • 代码仅供学习使用,侵删
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,921评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,635评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,393评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,836评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,833评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,685评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,043评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,694评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,671评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,670评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,779评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,424评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,027评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,984评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,214评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,108评论 2 351
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,517评论 2 343

推荐阅读更多精彩内容

  • scrapy是python最有名的爬虫框架之一,可以很方便的进行web抓取,并且提供了很强的定制型,这里记录简单学...
    bomo阅读 2,088评论 1 11
  • 第一章;立威
    涛色妖姬阅读 335评论 0 0
  • Dear Alex老师: 很高兴能成为你的学员(网络班学员),不算第一次接触编程,但确实还是属于比较低的水平;之前...
    马小跳_阅读 219评论 0 0
  • 当我们发现孩子的问题时,请不要着急去消灭问题,而是注意孩子哪些方面很不错,值得我们扩大,先去进行这些方面。我们要发...
    聆听花开_5a8a阅读 255评论 0 0
  • 追加:iOS11和iPhoneX已适配,由于iOS11中UITableView默认开启高度预估(行高、区头和区尾)...
    九剑仙阅读 4,037评论 10 9