智联岗位爬虫,半自动化

参考文档

python selenium实现智联招聘数据爬取python脚本之家 (jb51.net)

安装selenium 和chromeDriver文档:

selenium 安装与 chromedriver安装 - Rogn - 博客园 (cnblogs.com)

注意

· 因为页面存在动态加载,通过调整页面大小规避

· 智联页面无法自动输入账号密码,会被判断用户名错误,所以要手动输入,前提保证睡眠时间够用,可适当加长

· 此代码需要在个人电脑调试一下,并不是万能的,cookie ,页面大小,驱动地址都需要更改调试

代码

# -*- coding: utf-8 -*-

"""

Created on Mon Oct 11 19:14:00 2021

@author:

"""

from urllib.request import quote, unquote

import csv

import os

import re

import json

import time

import requests

from selenium.webdriver import Chrome

from selenium.webdriver.remote.webelement import WebElement

from selenium.webdriver.common.by import By

from selenium.webdriver.support import ui

from selenium.webdriver.support import expected_conditions

from lxml import etree

#驱动地址

chrome =

Chrome(executable_path=r'C:\Users\XX\AppData\Local\Google\Chrome\Application\chromedriver.exe')

# 因为页面存在动态加载,适当更改页面比例,规避动态显示

chrome.maximize_window()

chrome.execute_script("document.body.style.zoom='0.75'") #缩小

# 模拟登录

def login(url):

 # 获取登录页面

 chrome.get(url)

 ##下面代码自动输入,会判断密码错误,需要手动输入,点击登录,滑块

 ##如果时间不够可以令睡眠时间长一点

 time.sleep(20)

 get_allcity('https://www.zhaopin.com/citymap')

 # 在登录状态下进行所有城市信息的获取

def get_allcity(url):

 resp = requests.get(url, headers=headers)

 if resp.status_code == 200:

 html = resp.text

 json_data = re.search(r'<script>__INITIAL_STATE__=(.*?)</script>', html).groups()[0]

 data = json.loads(json_data)

 cityMapList = data['cityList']['cityMapList'] # dict

 for letter, citys in cityMapList.items():

 for city in citys: # citys 是个列表,里面嵌套的字典

 city_name = city['name']

 city_url = 'https:' + city['url']

 # 筛选城市

 query_citys = ('成都')

 if city_name in query_citys:

 print(f'正在获取{city_name}的信息')

 get_city_job(city_url)

 time.sleep(3)

 else:

 # print(f'{city_name} 不在搜索范围内!')

 pass

 else:

 print('网页获取失败')

def get_city_job(url):

 chrome.get(url) # 打开城市信息

 # 根据class_name 查询WebElement找出输入的位置

input_seek: WebElement = chrome.find_element_by_class_name('zp-search__input')

#输入查询岗位

input_seek.send_keys('Python')

# 找出搜索按钮并点击

click: WebElement =

chrome.find_element_by_xpath('//div[@class="zp-search__common"]//a') 

 click.click()

 # 切换到第二个页面

 chrome.switch_to.window(chrome.window_handles[1])

 time.sleep(1)

 time.sleep(1)

 # 等待class_name为“sou-main__list” div元素出现

 ui.WebDriverWait(chrome, 30).until(

 expected_conditions.visibility_of_all_elements_located((By.CLASS_NAME, 'sou-main__list')),

 '查找的元素一直没有出现'

 )

 # 判断当前查询结果是否不存在

 no_content = chrome.find_elements_by_class_name('positionlist')

 if not no_content:

 print('当前城市未查找到Python岗位')

 else:

 # 提取查找结果

 parse(chrome.page_source)

def parse(html):

 root = etree.HTML(html)

 divs = root.xpath('//div[@class="positionlist"]') # element对象

 items = {}

 for div in divs:

 # 岗位

 position = div.xpath('.//a//div[@class="iteminfo__line1__jobname"]/span[1]')

 # 公司

 company = div.xpath('//a//div[@class="iteminfo__line1__compname"]/span/text()')

 # 薪资

 money = div.xpath('.//a//div[@class="iteminfo__line2__jobdesc"]/p/text()')

 # 位置

 city = div.xpath('//a//div[@class="iteminfo__line2__jobdesc"]/ul/li[1]/text()')

 # 经验

 experience = div.xpath('.//a//div[@class="iteminfo__line2__jobdesc"]/ul/li[2]/text()')

 # 学历

 education = div.xpath('.//a//div[@class="iteminfo__line2__jobdesc"]/ul/li[3]/text()')

 # 规模

 scale = div.xpath('.//a//div[@class="iteminfo__line2__compdesc"]/span[1]/text()')

 # 人数

 people = div.xpath('.//a//div[@class="iteminfo__line2__compdesc"]/span[2]/text()')

 for position_, company_, money_, city_, experience_, education_, scale_, people_ in zip(position, company,

 money, city, experience,

 education, scale,

 people):

 # title="python爬虫工程师" 获取它的title属性值

 string = position_.attrib.get('title')

 items['position'] = string

 items['company'] = company_

 items['money'] = money_.strip()

 items['city'] = city_

 items['experience'] = experience_

 items['education'] = education_

 items['scale'] = scale_

 items['people'] = people_

 itempipeline(items)

 #print(items)

 # 获取下一页

 next_page()

def itempipeline(items):

 has_header = os.path.exists(save_csv) # 文件头

 with open(save_csv, 'a', encoding='utf-8-sig') as file:

 writer = csv.DictWriter(file, fieldnames=items.keys())

 if not has_header:

 writer.writeheader() # 写入文件头

 writer.writerow(items)

def next_page():

 # 找到下一页按钮

 time.sleep(1)

 # 页面有动态加载无法直接从顶部开始拉滚动条,所以选择底部

 js="window.scrollTo(document.body.scollHeight,100)"

 chrome.execute_script(js)

 #找到下一页按钮

 button = chrome.find_elements_by_xpath('/div[@class="soupager"]/button[@class="btn soupager__btn"]')

 if not button:

 print(f'获取完毕,请在 {save_csv} 里查看!!')

 exit()

 else:

 time.sleep(1)

 button[0].click() # 点击下一页

 #chrome.execute_script("arguments[0].click();", button)

 time.sleep(3)

 parse(chrome.page_source)

if __name__ == '__main__':

 n = 0

 ####cookies 是网址“https://www.zhaopin.com/citymap” 这一页的

 cookies ='"x-zp-client-id=f1e50b3c-66e1-4026-b065-e91d60707ea6; sajssdk_2015_cross_new_user=1; sensorsdata2015jssdkcross={"distinct_id":"17c706bcc1754f-0f0b96a673e2808-b7a1438-1024000-17c706bcc18593","first_id":"","props":{"$latest_traffic_source_type":"直接流量","$latest_search_keyword":"未取到值_直接打开","$latest_referrer":""},"$device_id":"17c706bcc1754f-0f0b96a673e2808-b7a1438-1024000-17c706bcc18593"}; zp_passport_deepknow_sessionId=bd94ba2bs00e1943148a588024abfb073d03; acw_tc=2760826216339736981194712e27e6f8af94db9c58e502ce71ac5d5b427b8e; sts_deviceid=17c706bfdd1365-045fa83fea5838-b7a1438-1024000-17c706bfdd218; LastCity_id=801; LastCity=成都; sts_sg=1; sts_sid=17c706bfedc683-071b312edb9e43-b7a1438-1024000-17c706bfedd817; sts_chnlsid=Unknown; ZL_REPORT_GLOBAL={"//www":{"seid":"","actionid":"932b2668-11af-450d-a229-f10072031ebc-cityPage"}}; Hm_lvt_363368edd8b243d3ad4afde198719c4a=1633973699; 1420ba6bb40c9512e9642a1f8c243891=5930d939-a8aa-4835-af18-1b800a782a12; locationInfo_search={"code":"606","name":"营口","message":"匹配到市级编码"}; Hm_lvt_38ba284938d5eddca645bb5e02a02006=1633973701; Hm_lpvt_38ba284938d5eddca645bb5e02a02006=1633973701; Hm_lpvt_363368edd8b243d3ad4afde198719c4a=1633973947; sts_evtseq=7"'

 headers = {

 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36',

 'Cookie': cookies.encode('utf-8').decode('latin-1'),

 'content-type':'text/html; charset=utf-8'

 }

 save_csv = 'chengdu-python.csv'

 login(

 "https://passport.zhaopin.com/login?bkUrl=%2F%2Fi.zhaopin.com%2Fblank%3Fhttps%3A%2F%2Fsou.zhaopin.com%2F%3Fjl%3D801%26kw%3DPython%26kt%3D3%26srccode%3D")

结果

结果
©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 216,287评论 6 498
  • 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 92,346评论 3 392
  • 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 162,277评论 0 353
  • 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 58,132评论 1 292
  • 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 67,147评论 6 388
  • 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 51,106评论 1 295
  • 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 40,019评论 3 417
  • 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 38,862评论 0 274
  • 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 45,301评论 1 310
  • 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 37,521评论 2 332
  • 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 39,682评论 1 348
  • 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 35,405评论 5 343
  • 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 40,996评论 3 325
  • 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 31,651评论 0 22
  • 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 32,803评论 1 268
  • 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 47,674评论 2 368
  • 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 44,563评论 2 352

推荐阅读更多精彩内容