概述

不知從何時起，Python和爬蟲就如初戀一般，情不知所起，一往而深，相信很多朋友學(xué)習(xí)Python，都是從爬蟲開始，其實究其原因，不外兩方面：其一Python對爬蟲的支持度比較好，類庫眾多。其二Pyhton的語法簡單，入門容易。所以兩者形影相隨，不離不棄，本文主要以一個簡單的小例子，簡述Python在爬蟲方面的簡單應(yīng)用，僅供學(xué)習(xí)分享使用，如有不足之處，還請指正。

涉及知識點

本例主要爬取51job發(fā)布的工作職位，用到的知識點如下：

開發(fā)環(huán)境及工具：主要用到Python3.7 ，IDE為PyCharm requests類庫：本類庫封裝了python的內(nèi)置模塊，主要用于網(wǎng)絡(luò)的請求和獲取數(shù)據(jù)，可以支持不同形式的請求。 BeautifulSoup庫：主要用于解析獲取的數(shù)據(jù)，包括Html，Xml，Json等不同的格式。 數(shù)據(jù)持久化：主要是將內(nèi)存中的數(shù)據(jù)，保存到數(shù)據(jù)庫或者文件中。

爬蟲的基本步驟

爬蟲的基本步驟，如下圖所示：

爬取目標(biāo)

如有要爬取相關(guān)內(nèi)容，首先要對爬取的目標(biāo)進(jìn)行分析，了解其目錄結(jié)構(gòu)，才能進(jìn)行解析。本例主要爬取51job中的工作列表，如下所示：

核心源碼

1.獲取數(shù)據(jù)

定義一個函數(shù)get_data，用于發(fā)起請求并獲取數(shù)據(jù)，如下所示：

headers中的User-Agent主要用于模擬瀏覽器，不然會被反爬蟲程序屏蔽，http狀態(tài)碼為418,意思是被網(wǎng)站的反爬程序返回的。

encoding是要爬取的網(wǎng)站的編碼為gbk，如果不加，會產(chǎn)生亂碼，默認(rèn)為utf-8

def get_data(req_url): '''獲取數(shù)據(jù)''' headers = { ’User-Agent’: ’Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; rv:11.0) like Gecko’, ’Accept-Language’: ’zh-Hans-CN, zh-Hans;q=0.5’ } resp = requests.get(req_url, headers=headers) resp.encoding = ’gbk’ # 不加會產(chǎn)生中文亂碼 if resp.status_code == 200: return resp.text else: return None

2.解析數(shù)據(jù)

定義一個函數(shù)parse_data，用于解析獲取到的內(nèi)容，如下所示：

采用BeautifulSoup，將返回的文本，解析成html對象，并獲取對應(yīng)的內(nèi)容。本例主要獲取工作的列表

def parse_data(resp_html): '''解析數(shù)據(jù),并返回列表''' soup = BeautifulSoup(resp_html, features=’html.parser’) job_table = soup.find(’div’, attrs={’class’: ’dw_table’}) # print(job_table) job_list = job_table.find_all(’div’, attrs={’class’: ’el’}) # print(job_list) # 循環(huán)列表，去掉第一個title和最后一個 res_list = [] for job in job_list[1: -1]: job_name = job.find(’p’, attrs={’class’: 't1'}).find(’span’).find(’a’).get_text() job_name = job_name.replace(’rn’, ’’).strip() job_company = job.find(’span’, attrs={’class’: 't2'}).find(’a’).get_text() job_addr = job.find(’span’, attrs={’class’: 't3'}).get_text() job_salary = job.find(’span’, attrs={’class’: 't4'}).get_text() job_time = job.find(’span’, attrs={’class’: 't5'}).get_text() # print(’工作信息：’, job_name, ’---’, job_company, ’---’, job_addr, ’---’, job_salary, ’---’, job_time) res_item = { ’工作名稱’: job_name, ’公司’: job_company, ’工作地址’: job_addr, ’薪資水平’: job_salary, ’發(fā)布時間’: job_time } res_list.append(res_item) return res_list

3.保存數(shù)據(jù)

定義一個函數(shù)save_data，用于將獲取到的內(nèi)容保存到j(luò)son文件中，如下所示：

with函數(shù) 可以自動進(jìn)行釋放。因包含中文，所以json文件的編碼為utf-8，否則會出現(xiàn)亂碼

def save_data(res_list): '''保存數(shù)據(jù)''' with open(’jobs.json’, ’w’, encoding=’utf-8’) as f: res_list_json = json.dumps(res_list, ensure_ascii=False) f.write(res_list_json)

4.整體調(diào)用步驟

依次調(diào)用定義的三個函數(shù)，如下所示：

if __name__ == ’__main__’: '''如果是主程序自己調(diào)用''' req_url = ’https://search.51job.com/list/040000,000000,0000,00,9,99,java,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=’ # 獲取數(shù)據(jù) resp_html = get_data(req_url) # print(html) # 解析數(shù)據(jù) res_list = parse_data(resp_html) # 保存數(shù)據(jù) save_data(res_list)

爬取結(jié)果展示

爬取的結(jié)果保存在jobs.json文件中，如下所示：

[ { '工作名稱': 'Java架構(gòu)師', '公司': '深圳市鉆木信息技術(shù)有限公司', '工作地址': '深圳-福田區(qū)', '薪資水平': '1.8-3萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java實習(xí)生 6k起', '公司': '深圳市智玩創(chuàng)新科技有限公司', '工作地址': '深圳-福田區(qū)', '薪資水平': '6-8千/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java實習(xí)生6k起', '公司': '深圳市康姆達(dá)科技有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '6-8千/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java開發(fā)工程師', '公司': '深圳市網(wǎng)新新思軟件有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '1.5-1.7萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java開發(fā)工程師', '公司': '深圳市睿服科技有限公司', '工作地址': '深圳-福田區(qū)', '薪資水平': '1.3-1.7萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java開發(fā)經(jīng)理', '公司': '深圳市聚惠企業(yè)登記代理有限公司', '工作地址': '深圳-龍華新區(qū)', '薪資水平': '1-3萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': '高級JAVA', '公司': '深圳易加油信息科技有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '1.5-2.1萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java高級開發(fā)工程師', '公司': '深圳市綠聯(lián)科技有限公司', '工作地址': '深圳-龍華新區(qū)', '薪資水平': '2-3萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java開發(fā)工程師', '公司': '深圳市博悅科創(chuàng)科技有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '1-1.5萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java高級開發(fā)工程師', '公司': '易普森智慧健康科技（深圳）有限公...', '工作地址': '深圳', '薪資水平': '1.5-2.5萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java開發(fā)工程師', '公司': '深圳易世通達(dá)科技有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '1.2-1.8萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java開發(fā)工程師', '公司': '蘇州今融加科技有限公司', '工作地址': '深圳-福田區(qū)', '薪資水平': '1.5-2萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java后端開發(fā)工程師', '公司': '深圳市長隆科技有限公司', '工作地址': '深圳-龍崗區(qū)', '薪資水平': '1.5-2萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java開發(fā)工程師', '公司': '深圳市元諾智能系統(tǒng)有限公司', '工作地址': '深圳-龍華新區(qū)', '薪資水平': '1-1.5萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'java 有物流類經(jīng)驗', '公司': '深圳市歐恩德技術(shù)有限公司', '工作地址': '深圳-羅湖區(qū)', '薪資水平': '0.8-1.1萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java開發(fā)工程師-2020校園招聘', '公司': '金蝶軟件（中國）有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '0.8-1.6萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java高級開發(fā)工程師', '公司': '豐疆智能科技股份有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '2.5-3萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'JAVA軟件開發(fā)工程師', '公司': '深圳市吉星時代科技有限公司', '工作地址': '深圳-龍崗區(qū)', '薪資水平': '2-3萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'JAVA 高級軟件工程師', '公司': '相通網(wǎng)絡(luò)技術(shù)有限公司', '工作地址': '深圳-福田區(qū)', '薪資水平': '1.5-3萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'JAVA開發(fā)工程師（接受應(yīng)屆生）', '公司': '深圳市智巖科技有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '0.8-1萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java后臺開發(fā)工程師', '公司': '深圳市炬馳科技發(fā)展有限公司', '工作地址': '深圳', '薪資水平': '1-1.5萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java開發(fā)工程師', '公司': '深圳市韶音科技有限公司', '工作地址': '深圳-寶安區(qū)', '薪資水平': '0.8-1萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'JAVA 開發(fā)工程師', '公司': '深圳市優(yōu)博訊科技股份有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '1-1.5萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java開發(fā)工程師', '公司': '深圳市有豆科技有限公司', '工作地址': '深圳-寶安區(qū)', '薪資水平': '1.8-3萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Saas平臺架構(gòu)師（Java方向）', '公司': '深圳市智布互聯(lián)紡織科技有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '1.7-2.5萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java開發(fā)實習(xí)生', '公司': '云軟科技', '工作地址': '深圳-寶安區(qū)', '薪資水平': '6-9千/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java高級開發(fā)工程師', '公司': '深圳市阿爾法智匯科技有限公司', '工作地址': '深圳-寶安區(qū)', '薪資水平': '2-4萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java 全棧開發(fā)工程師', '公司': '深圳市杰納斯科技有限公司', '工作地址': '深圳-寶安區(qū)', '薪資水平': '1-3.5萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': '中高級java工程師', '公司': '北京聯(lián)創(chuàng)智融信息技術(shù)有限公司', '工作地址': '深圳-福田區(qū)', '薪資水平': '1.3-1.8萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java開發(fā)工程師', '公司': '得實信息科技（深圳）有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '0.6-1萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java開發(fā)工程師', '公司': '深圳市聯(lián)創(chuàng)科技集團(tuán)有限公司', '工作地址': '深圳-龍崗區(qū)', '薪資水平': '1-1.5萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': '中級JAVA(J13824)', '公司': '銀雁科技服務(wù)集團(tuán)股份有限公司', '工作地址': '深圳-福田區(qū)', '薪資水平': '1-1.5萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'java工程師', '公司': '深圳市安思疆科技有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '0.8-1.6萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'JAVA 高級開發(fā)工程師', '公司': '匯才保險代理（深圳）有限公司', '工作地址': '深圳-羅湖區(qū)', '薪資水平': '1.5-2萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java高級開發(fā)工程師（直連）', '公司': '深圳市天泰國際航空旅行社有限公司...', '工作地址': '深圳', '薪資水平': '2-4萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'JAVA工程師', '公司': '深圳市開度貿(mào)易有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '0.8-1.2萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': '后臺開發(fā)Leader（JAVA方向）', '公司': '深圳金世紀(jì)保險經(jīng)紀(jì)有限公司', '工作地址': '深圳-福田區(qū)', '薪資水平': '3-4萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java開發(fā)工程師', '公司': '深圳市中深力人力資源管理有限公司...', '工作地址': '深圳-南山區(qū)', '薪資水平': '1-1.5萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java高級開發(fā)工程師', '公司': '研祥高科技控股集團(tuán)有限公司', '工作地址': '深圳-光明新區(qū)', '薪資水平': '0.9-1.8萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java（證券不加班）', '公司': '上海華騰軟件系統(tǒng)有限公司', '工作地址': '深圳-福田區(qū)', '薪資水平': '1.8-2.2萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java高級開發(fā)工程師', '公司': '深圳大美商業(yè)地產(chǎn)管理有限公司', '工作地址': '深圳-福田區(qū)', '薪資水平': '1.5-2萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': '資深/高級Java工程師', '公司': '未來穿戴（深圳）有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '3-4萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java高級開發(fā)工程師', '公司': '深圳市太陽星通信科技有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '0.8-1.5萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java高級開發(fā)工程師', '公司': '深圳市藍(lán)鷹立德軟件咨詢有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '1.5-1.8萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'JAVA（高級、架構(gòu)）', '公司': '深圳市幾米物聯(lián)有限公司', '工作地址': '深圳-寶安區(qū)', '薪資水平': '2.2-3.2萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'JAVA開發(fā)工程師', '公司': '江蘇康尚生物醫(yī)療科技有限公司', '工作地址': '深圳-寶安區(qū)', '薪資水平': '1-1.5萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'java架構(gòu)師', '公司': '深圳市泓齊網(wǎng)絡(luò)科技有限公司', '工作地址': '深圳', '薪資水平': '1.5-1.8萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java開發(fā)工程師', '公司': '深圳市智?科技有限公司', '工作地址': '深圳-福田區(qū)', '薪資水平': '0.9-1.5萬/月', '發(fā)布時間': '06-13' }, { '工作名稱': 'Java開發(fā)工程師', '公司': '上海舟恩信息技術(shù)有限公司', '工作地址': '深圳-南山區(qū)', '薪資水平': '1.4-1.9萬/月', '發(fā)布時間': '06-13' }]

進(jìn)一步思考

本例可以進(jìn)一步優(yōu)化的空間，如下所示：

本次爬蟲只是單次爬取，數(shù)據(jù)量相對小，如果要爬取大量數(shù)據(jù)的時候，則需要使用多線程相關(guān)的知識。 基礎(chǔ)的爬蟲，只能爬取靜態(tài)渲染的內(nèi)容，如果是異步動態(tài)渲染的數(shù)據(jù)，如何爬取呢？ 將爬取的結(jié)果保存到數(shù)據(jù)庫如何操作呢？

以上就是Python爬蟲小例子——爬取51job發(fā)布的工作職位的詳細(xì)內(nèi)容，更多關(guān)于Python爬蟲爬取工作職位的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章！