让我们用python来采集招聘数据看看找工作都要会什么吧~

前言

嗨喽~大家好呀，这里是魔王呐

让客户满意是我们工作的目标，不断超越客户的期望值来自于我们对这个行业的热爱。我们立志把好的技术通过有效、简单的方式提供给客户，将通过不懈努力成为客户在信息化领域值得信任、有价值的长期合作伙伴，公司提供的服务项目有：空间域名、网站空间、营销软件、网站建设、潢川网站维护、网站推广。

现在，很多人不是在找工作的途中就是在找工作的路上（我的废话文学????）

所以我今天来采集一下招聘网站，让我们来看看找工作主要要学会什么？

环境使用:

• Python 3.8
• Pycharm ---> 汉化插件 translation

模块使用:

• requests >>> pip install requests
• re
• json
• csv

如果安装python第三方模块:

1. win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车

2. 在pycharm中点击Terminal(终端) 输入安装命令

如何配置pycharm里面的python解释器?

1. 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
2. 点击齿轮, 选择add
3. 添加python安装路径

pycharm如何安装插件?

1. 选择file(文件) >>> setting(设置) >>> Plugins(插件)
2. 点击 Marketplace 输入想要安装的插件名字 比如:翻译插件 输入 translation / 汉化插件 输入 Chinese
3. 选择相应的插件点击 install(安装) 即可
4. 安装成功之后 是会弹出 重启pycharm的选项 点击确定, 重启即可生效

基本流程思路: <通用>

解答、教程可加Q:免费获取哦~

一. 数据来源分析

1. 确定需求, 明确采集数据内容是什么?
2. 通过开发者工具进行抓包分析, 分析数据来源, 请求那个url地址可以获取相关数据内容

I. F12或者鼠标右键点击检查 选择network 刷新网页

II. 通过关键字 搜索找相应数据包

二. 代码实现步骤

1. 发送请求, 对于分析得到url地址发送请求 <模拟浏览器对于url发送请求>
2. 获取数据, 获取response响应数据 ---> 服务器返回响应数据
3. 解析数据, 提取我们想要数据内容 ---> 招聘基本信息
4. 保存数据, 保存表格里面
5. 多页采集, 多页数据采集

代码

# 导入数据请求模块  ---> 第三方模块 需要 pip install requests  导入模块没有使用 灰色
import requests
# 导入正则模块---> 内置模块 不需要安装
import re
# 导入json---> 内置模块 不需要安装
import json
# 导入格式化输出模块---> 内置模块 不需要安装
import pprint
# 导入csv模块
import csv
# 导入时间模块
import time
# 导入随机模块
import random
源码、解答、教程可加Q裙：
# 创建文件
f= open('python招聘10页.csv', mode='a', encoding='utf-8', newline='')
csv_writer= csv.DictWriter(f, fieldnames=[
'职位',
'公司名',
'薪资',
'城市',
'经验',
'学历',
'公司类型',
'公司规模',
'公司领域',
'福利待遇',
'发布日期',
'公司详情页',
'职位详情页',
])
# 写入表头
csv_writer.writeheader()
"""
1. 发送请求, 对于分析得到url地址发送请求 <模拟浏览器对于url发送请求>
    模拟浏览器---> headers 在开发者工具里面headers下面的 requests headers里面
        请求头, 字典数据类型, 要构建完整键值对
200]>  说明对于url地址发送请求成功了, 但是不一定得到你想要的数据

被反爬, 状态码可能还是200, 但是返回数据不是你想要的内容
"""
for page in range(1, 11):
    print(f'----------------正在采集第{page}页数据内容----------------')
    time.sleep(random.randint(1, 2))
    # 确定url地址--> 可以直接复制
    url= f'https://search.51job.com/list/0%252C0%252C0%252C0%252C0,000000,0000,00,9,99,python,2,{page}.html'
    # 模拟浏览器 headers 请求头 伪装
    headers= {
        # User-Agent 用户代理, 表示浏览器基本身份标识
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
    }
    # 发送请求 使用什么请求方式, 取决于开发者工具里的内容
    response= requests.get(url=url, headers=headers)
    #200]>  响应对象  200 状态码 请求成功
    print(response)
    # 获取数据, 获取服务器返回响应数据---> 获取文本数据 print(response.text)
"""
    解析数据  ---> 提取我们想要数据内容
        解析方法比较多: re css xpath json解析.... 如何选择方法 根据返回数据类型以及我想要数据内容情况
        re.findall() 调用re模块里面findall方法
        通过re模块找到所有我们想要数据内容---> 告诉它去哪里找, 找什么样数据
    
    正则匹配提取出来数据, 返回列表---> 
    """
    # 提取招聘数据 re.findall()
    源码、解答、教程可加Q裙：
    html_data= re.findall('window.__SEARCH_RESULT__ = (.*?)', response.text)[0]
    # 把字符串数据转成json字典数据
    json_data= json.loads(html_data)
    # print 打印字典数据, 一行展示  pprint.pprint 打印字典数据类型, 格式化展开的效果 print(json_data) pprint.pprint(json_data)
    # 字典取值---> 根据键值对取值 根据冒号左边的内容[键], 提取冒号右边的内容[值]
    # for循环遍历 把列表里面数据一个一个提取出来
for index in json_data['engine_jds']:
        # 提取数据, 用字典 保存内容  学历是敲门砖, 技术才是铁饭碗.... 毕业出来3500
        dit= {
'职位': index['job_name'],
'公司名': index['company_name'],
'薪资': index['providesalary_text'],
'城市': index['workarea_text'],
'经验': index['attribute_text'][1],
'学历': index['attribute_text'][-1],
'公司类型': index['companytype_text'],
'公司规模': index['companysize_text'],
'公司领域': index['companyind_text'],
'福利待遇': index['jobwelf'],
'发布日期': index['issuedate'],
'公司详情页': index['company_href'],
'职位详情页': index['job_href'],

        }
        # 写入数据
        csv_writer.writerow(dit)
        print(dit)