编程语言网络爬虫获取招聘信息

1.前言

现在在疫情阶段，想找一份不错的工作变得更为困难，很多人会选择去网上看招聘信息。可是招聘信息有一些是错综复杂的。而且不能把全部的信息全部罗列出来，以外卖的58招聘网站来看，资料整理的不清晰。

2.项目目标

获取招聘信息，并批量把地点、 公司名、工资 、下载保存在txt文档。

3.项目准备

软件：PyCharm

需要的库：requests、lXML、fake_useragent

网站如下：

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

点击下一页时，ClickID={}每增加一页自增加1，用{}代替变换的变量，再用for循环遍历这网址，实现多个网址请求。

4.反爬措施

该网站上的反爬主要有两点：

1、 直接使用requests库，在不设置任何header的情况下，网站直接不返回数据

2、同一个ip连续访问多次，直接封掉ip，起初我的ip就是这样被封掉的。

为了解决这两个问题，最后经过研究，使用以下方法，可以有效解决。

1、获取正常的 http请求头，并在requests请求时设置这些常规的http请求头。

2、使用 fake_useragent ，产生随机的UserAgent进行访问。

5.项目实现

1、定义一个class类继承object，定义init方法继承self，主函数main继承self。导入需要的库和网址，代码如下所示。

1. import requests 
2. from lxml import etree 
3. from fake_useragent import UserAgent 
4.  
5.  
6. class  Zhaopin(object): 
7.     def __init__(self): 
8.         self.url = "https://gz.58.com/job/pn2/?param7503=1&from=yjz2_zhaopin&PGTID=0d302408-0000-3efd-48f6-ff64d26b4b1c&ClickID={}"  # /zhuanchang/:搜索的名字的拼音缩写 
9.  
10.     def main(self): 
11.         pass 
12.  
13. if __name__ == '__main__': 
14.     Spider =  Zhaopin() 
15.     Spider.main() 

2、随机产生UserAgent。

1. for i in range(1, 50): 
2.     self.headers = { 
3.         'User-Agent': ua.random, 
4.     } 

3、发送请求，获取响应, 页面回调，方便下次请求。

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

4、xpath解析找到对应的父节点。

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

5、for遍历，定义一个变量food_info保存，获取到二级页面对应的菜 名、 原 料 、下 载 链 接。

1. for l in one: 
2.    o = l.xpath('.//a/span[1]/text()')[0].strip() 
3.    t = l.xpath('.//a//span[@class="name"]/text()')[0].strip() 
4.    f = l.xpath('.//p[@class="job_salary"]/text()') 
5.    thr = l.xpath('.//div[@class="comp_name"]//a/text()')[0].strip() 
6.    for e in f: 
7.        boss = ''' 
8.  
9. %s:||%s:  
10. 公司：%s, 
11. 工资：%s元/月 
12. ========================================================= 
13.                                ''' % (o, t, thr, e) 
14.    print(str(boss) 

6、将结果保存在txt文档中，如下所示。

1. f = open('g.txt', 'a', encoding='utf-8')  # 以'w'方式打开文件 
2. f.write(str(boss)) 
3. # print(house_dict) 
4. f.write("\\n")  # 键和值分行放，键在单数行，值在双数行 
5. f.close() 

7、调用方法，实现功能。

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

6.效果展示

1、点击绿色小三角运行输入起始页，终止页。

2、运行程序后，结果显示在控制台，如下图所示。

3、保存txt文档到本地，如下图所示。

4、双击文件，内容如下图所示。

7.小结

1、不建议抓取太多数据，容易对服务器造成负载，浅尝辄止即可。

2、本文章就Python爬取招聘网，在应用中出现的难点和重点，以及如何防止反爬，做出了相对于的解决方案。

3、介绍了如何去拼接字符串，以及列表如何进行类型的转换。

4、代码很简单，希望能够帮到你。

5、欢迎大家积极尝试，有时候看到别人实现起来很简单，但是到自己动手实现的时候，总会有各种各样的问题，切勿眼高手低，勤动手，才可以理解的更加深刻。

6、可以选择自己喜欢的分类，获取工作，找到自己喜欢工作。

在过去的几十年间，大量的编程语言被发明、被取代、被修改或组合在一起。尽管人们多次试图创造一种通用的程序设计语言，却没有一次尝试是成功的。之所以有那么多种不同的编程语言存在的原因是，编写程序的初衷其实也各不相同；新手与老手之间技术的差距非常大，而且有许多语言对新手来说太难学；还有，不同程序之间的运行成本（runtime cost）各不相同。