目标url:https://www.lagou.com/
用selenium爬虫实现,输入任意关键字,比如 python 数据分析,点击搜索,得到的有关岗位信息,爬取下来保存到Excel。
有30页,每个页面有15条招聘信息。
from selenium import webdriver
import time
import logging
import random
import openpyxl
wb = openpyxl.Workbook()
sheet = wb.active
sheet.append(['job_name', 'company_name', 'city','industry', 'salary', 'experience_edu','welfare','job_label'])
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s: %(message)s')
def search_product(key_word):
browser.find_element_by_id('cboxClose').click() # 关闭让你选城市的窗口
time.sleep(2)
browser.find_element_by_id('search_input').send_keys(key_word) # 定位搜索框 输入关键字
browser.find_element_by_class_name('search_button').click() # 点击搜索
browser.maximize_window() # 最大化窗口
time.sleep(2)
browser.find_element_by_class_name('body-btn').click() # 关闭弹窗 啥领取红包窗口
time.sleep(random.randint(1, 3))
browser.execute_script("scroll(0,3000)") # 下拉滚动条
get_data() # 调用抓取数据的函数
# 模拟点击下一页 翻页爬取数据 每爬取一页数据 休眠 控制抓取速度 防止被反爬 让输验证码
for i in range(29):
browser.find_element_by_class_name('pager_next ').click()
time.sleep(1)
browser.execute_script("scroll(0,3000)")
get_data()
time.sleep(random.randint(3, 5))
def get_data():
items = browser.find_elements_by_xpath('//*[@id="s_position_list"]/ul/li')
for item in items:
job_name = item.find_element_by_xpath('.//div[@class="p_top"]/a/h3').text
company_name = item.find_element_by_xpath('.//div[@class="company_name"]').text
city = item.find_element_by_xpath('.//div[@class="p_top"]/a/span[@class="add"]/em').text
industry = item.find_element_by_xpath('.//div[@class="industry"]').text
salary = item.find_element_by_xpath('.//span[@class="money"]').text
experience_edu = item.find_element_by_xpath('.//div[@class="p_bot"]/div[@class="li_b_l"]').text
welfare = item.find_element_by_xpath('.//div[@class="li_b_r"]').text
job_label = item.find_element_by_xpath('.//div[@class="list_item_bot"]/div[@class="li_b_l"]').text
data = f'{job_name},{company_name},{city},{industry},{salary},{experience_edu},{welfare},{job_label}'
logging.info(data)
sheet.append([job_name, company_name, city,industry, salary, experience_edu, welfare, job_label])
def main():
browser.get('https://www.lagou.com/')
time.sleep(random.randint(1, 3))
search_product(keyword)
wb.save('job_info.xlsx')
if __name__ == '__main__':
keyword = 'Python 数据分析'
# chromedriver.exe的路径
chrome_driver = r'D:\python\pycharm2020\chromedriver.exe'
options = webdriver.ChromeOptions()
# 关闭左上方 Chrome 正受到自动测试软件的控制的提示
options.add_experimental_option('useAutomationExtension', False)
options.add_experimental_option("excludeSwitches", ['enable-automation'])
browser = webdriver.Chrome(options=options, executable_path=chrome_driver)
main()
browser.quit()
爬虫运行,成功爬取数据并保存到Excel,运行结果如下:
作者:叶庭云 微信公众号:修炼Python CSDN:https://yetingyun.blog.csdn.net/ 本文仅用于交流学习,未经作者允许,禁止转载,更勿做其他用途,违者必究。 觉得文章对你有帮助、让你有所收获的话,期待你的点赞呀,不足之处,也可以在评论区多多指正。