当前位置 > CPDA数据分析师 > “数”业专攻 > 用Python做跳一跳外挂太浪费了,新技能让你目瞪口呆

用Python做跳一跳外挂太浪费了,新技能让你目瞪口呆

来源:数据分析师 CPDA | 时间:2018-01-24 | 作者:admin

小编现在每天思考最多的问题就是

到底什么时候能发财啊!!!

再看看每个月工资卡里的钱

 

用Python做跳一跳外挂太浪费了,新技能让你目瞪口呆

 

真的是只能以45度角仰望天空

一直以来,年底都是离职的高峰期

嗑着瓜子,刷着招聘网站

学习Python也有几个月了,

该考虑换工作啦,

看了眼招聘网站,就像这样~

用Python做跳一跳外挂太浪费了,新技能让你目瞪口呆

 

信息琳琅满目不知该怎么办了,这时候,我想到了Python爬虫,如果能把信息都下载下来,可以随时随地的分析,这样一定可以找到称心如意的工作

 

一、准备工作  

语言:Python3

工具:Pycharm,firefox

技术:requests,BeautifulSoup,re,csv

 

二、流程概述

爬取51JOB相关工作第一页,获得页数

然后开始爬虫

获得每一页详细信息链接

通过链接获取详细信息

存入CSV文件

 

三、具体实现

a)使用浏览器前往51JOB打开开发者工具,进行搜索,我们选择http://m点51job点com/,一般来说大型网站的PC端会有反爬虫措施,相对起来移动端会容易点,不过51的PC端也很容易爬,只是不喜欢那个页面风格而已。

 

用Python做跳一跳外挂太浪费了,新技能让你目瞪口呆

 

这样信息就一览无遗了,从右边的窗口我们能看到url,参数,以及响应页面

 

用Python做跳一跳外挂太浪费了,新技能让你目瞪口呆

 

用Python做跳一跳外挂太浪费了,新技能让你目瞪口呆

 

所以我们只要填写参数所有的数据要求,我们便能等到一串HTML代码,这就是我们要爬取的内容了。

 

b)我们需要先直接请求第一页,获取总数,使用requests获取数据,然后使用bs解析,这两个python库,API都很简单并且都比较轻量,很适合初学者学习使用,利用正则表达式获取总工作数量

 

数了下大约一页可以显示30条记录,那我们就能得出需要爬的页数

 

用Python做跳一跳外挂太浪费了,新技能让你目瞪口呆

用Python做跳一跳外挂太浪费了,新技能让你目瞪口呆

 

c)从密密麻麻的HTML中我们点开形如“http://m点51job点com/search”这样的链接,工作的详细信息映入我们眼帘,这就是我们数据的来源,我们把获得的链接存入一个列表中,便于我们接下来的调用。HTML我们使用BS4解析,BS4有四种解析器,lxml是需要安装C语言库的,我们可以使用html.parser库,lxml速度快但是在这个项目里并没有多明显。

 

用Python做跳一跳外挂太浪费了,新技能让你目瞪口呆

用Python做跳一跳外挂太浪费了,新技能让你目瞪口呆

 

d)点开链接,我们需要的信息一目了然,从中我们选取我们需要的信息,可以直接使用bs的方法获取,也可以使用正则表达式提取相关段落。特别注意的是有些字段在某些页面是不存在的,比如工作经验,需要判断。

 

用Python做跳一跳外挂太浪费了,新技能让你目瞪口呆

 

用Python做跳一跳外挂太浪费了,新技能让你目瞪口呆

 

e)最后便是把信息插入到csv文件中,大家也可以使用mysql,mongoDB等工具存放数据。

 

这里特别注意的是,使用”w”模式写,会有空行,但是使用二进制”wb”模式会报二进制与字符串不匹配,所以在打开时候加入参数newline=’’,会避免空行。

 

用Python做跳一跳外挂太浪费了,新技能让你目瞪口呆

用Python做跳一跳外挂太浪费了,新技能让你目瞪口呆

 

最后完成如上图,可以使用熟悉的Excel软件进行排序操作,随时随地可以查看了。

 

Python作为现在最流行的一种语言之一,以其编写简单不罗嗦,类库数量庞大而著称。自从学习了python,厚重的JAVA早被我抛到九霄云外了,日常编写点应用类工具什么的真的特别方便。

 

编写应用并不困难,只要思路理清了,对流程进行分解,按块来编程,最后组装起来,如果错了,直接修改出错的块,并不需要动整个代码。

 

本文转载自网络