【一起学Python】爬取前程无忧招聘信息并写入Excel
说在前面：这是依旧是来自Ricky的爬虫小实战。预告一下未来的几个主要内容吧，打算重写一下微信公众号后台，然后写几篇教程；之后是有关分词、词云、情感分析的一些内容；然后也有打算研究一下小程序，坑好多，慢慢填了。
▲ ▲ ▲
作为一名Pythoner，相信大家对Python的就业前景或多或少会有一些关注。索性我们就写一个爬虫去获取一些我们需要的信息，今天我们要爬取的是前程无忧！说干就干！进入到前程无忧的官网，输入关键字“Python”，我们会得到下面的页面
我们可以看到这里罗列了”职位名”、”公司名”、”工作地点”、”薪资”、”发布时间”，那么我们就把这些信息爬取下来吧！确定了需求，下一步我们就审查元素找到我们所需信息所在的标签，再写一个正则表达式把元素筛选出来就可以了！
顺理成章得到这样一个正则表达式：
reg = re.compile(r’class=”t1 “>.? <a target=”_blank” title=”(.?)”.? <a target=”_blank” title=”(.?)”.?(.?).?(.?).? (.?)‘,re.S)
完成这关键的一步，下面写入本地就灰常简单了！还是来段代码吧！
# -*- coding:utf-8 -*-
import urllib.request
import re# 获取原码
def get_content(page):
url = 'http://search.51job.com/list/000000,000000,0000,00,9,99,python,2,' + str(page) + '.html'
a = urllib.request.urlopen(url) # 打开网址
html = a.read().decode('gbk') # 读取源代码并转为unicode
return html
def get(html):
reg = re.compile( r'class="t1 ">.*? <a target="_blank" title="(.*?)".*? <span class="t2"><a target="_blank" title="(.*?)".*?<span class="t3">(.*?)</span>.*?<span class="t4">(.*?)</span>.*? <span class="t5">(.*?)</span>',
re.S) # 匹配换行符
items = re.findall(reg, html) return items
# 多页处理，下载到文件
for j in range(1, 10):
print("正在爬取第" + str(j) + "页数据...")
html = get_content(j) # 调用获取网页原码
for i in get(html): # print(i[0],i[1],i[2],i[3],i[4])
with open('51job.txt', 'a', encoding='utf-8') as f:
f.write(i[0] + '\t' + i[1] + '\t' + i[2] + '\t' + i[3] + '\t' + i[4] + '\n')
f.close()再来一张效果图
看起来效果还不错，要是能够以表格的形式展示出来就更好了，在网上看到有的大佬直接把招聘信息写入excel表格，今天我也来试一下吧！其实也并麻烦，只需要将上面的代码稍加修改就可以了。下面贴一下代码，重要的地方会有注释。
# -*- coding:utf-8 -*-
import urllib.request
import re
import xlwt # 用来创建excel文档并写入数据
# 获取原码
def get_content(page):
url = 'http://search.51job.com/list/000000,000000,0000,00,9,99,python,2,' + str(page) + '.html'
a = urllib.request.urlopen(url) # 打开网址
html = a.read().decode('gbk') # 读取源代码并转为unicode
return html
def get(html):
reg = re.compile( r'class="t1 ">.*? <a target="_blank" title="(.*?)".*? <span class="t2"><a target="_blank" title="(.*?)".*?<span class="t3">(.*?)</span>.*?<span class="t4">(.*?)</span>.*? <span class="t5">(.*?)</span>',
re.S) # 匹配换行符
items = re.findall(reg, html) return items
def excel_write(items, index):
# 爬取到的内容写入excel表格
for item in items: # 职位信息
for i in range(0, 5): # print item[i]
ws.write(index, i, item[i]) # 行，列，数据
print(index)
index += 1
newTable = "test.xls" # 表格名称
wb = xlwt.Workbook(encoding='utf-8') # 创建excel文件，声明编码
ws = wb.add_sheet('sheet1') # 创建表格
headData = ['招聘职位', '公司', '地址', '薪资', '日期'] # 表头部信息
for colnum in range(0, 5):
ws.write(0, colnum, headData[colnum], xlwt.easyxf('font: bold on')) # 行，列
for each in range(1, 10):
index = (each - 1) * 50 + 1
excel_write(get(get_content(each)), index)
wb.save(newTable)最后实现的效果如下图：
至此，我们的工作就已经完成了！有的朋友可能想要爬取其他工作的招聘信息，观察了一下URl可以知道修改一下关键字名称就可以了！可以定义成一个函数只需输入关键字，然后就可以自动爬取该工作的招聘信息！
条条大路通罗马，想要实现上面的效果肯定不止这一种方法，以上内容仅供参考，希望可以给有需要的朋友提供一点思路！至于代码就比较粗糙了，而本人也希望有一天能够写得一手风骚代码！还是要重申一遍，本人能力有限，文章中可能会有纰漏或者错误，也欢迎表哥表姐们前来指正！谢谢大家！