爬虫案例：拉勾网工作职位爬取

'https://www.lagou.com/wn/jobs?pn=2&fromSearch=true&kd=python&city=%E6%88%90%E9%83%BD'
'https://www.lagou.com/wn/jobs?pn=1&fromSearch=true&kd=python&city=%E6%88%90%E9%83%BD'

if __name__ == '__main__':
    # 爬取1-30页的内容
    for page in range(1, 31):
        url = f'https://www.lagou.com/wn/jobs?pn={page}&fromSearch=true&kd=python&city=%E6%88%90%E9%83%BD'
        # 该函数的功能为爬取一页信息内容并写入到CSV文件内
        get_info_job(url)
        # 为了保证爬取速度过快导致IP被封，设置一下等待时间，爬取下一页的时候等待2秒
        sleep(2)

接下来就是定义爬取每一页工作信息内容并写入到CSV文件内保存的函数，该函数的实现方式如下：

def get_info_job(job_url):
    response = requests.get(url=job_url, headers=headers).text
    selector = html.etree.HTML(response)
    lis = selector.xpath('//*[@id="jobList"]/div[1]/div')

    for li in lis:
        name_area = li.xpath('.//div[1]/div[1]/div[1]/a/text()')
        # 获取职位名称
        title = name_area[0]
        # 获取地区
        area = name_area[1].replace('[', '').replace(']', '')
        # 获取薪水
        salary = li.xpath('.//div[1]/div[1]/div[2]/span/text()')[0]
        # 获取经验和学历要求，有时候没有要求时，xpath匹配结果是一个空列表，程序会报错，因此这里需要捕获异常，一旦捕获异常，代表该工作无要求
        try:
            exp_degree = li.xpath('.//div[1]/div[1]/div[2]/text()')[0]
        except IndexError:
            exp_degree = '无要求'
        # 获取工作标签，有时候没有工作标签，没有的话就用“/”代替
        tags = li.xpath('.//div[2]/div[1]/span/text()')
        if not tags:
            tags = '/'
        # 获取公司名称
        company_name = li.xpath('.//div[1]/div[2]/div[1]/a/text()')[0]
        # 获取公司类别和规模，有些公司没有这些信息，xpath匹配结果是一个空列表，程序会报错，因此捕获异常，一旦捕获到异常，代表没有公司类别和规模信心，用“/”代替
        try:
            company_Type_Size = li.xpath('.//div[1]/div[2]/div[2]/text()')[0]
        except IndexError:
            company_Type_Size = '/'
        # 获取福利待遇，同样有些公司不公布福利待遇，xpath匹配结果也是一个空列表，程序会报错，因此需捕获异常，一旦捕获到异常，代表公司没有公布福利待遇等信息，用“/”替代
        try:
            benefits = li.xpath('.//div[2]/div[2]/text()')[-1].replace('“', '').replace('”', '')
        except IndexError:
            benefits = '/'
        job_datas = {
            '职位名称': title,
            '地区': area,
            '薪水': salary,
            '经验和学历要求': exp_degree,
            '工作标签': tags,
            '公司名称': company_name,
            '公司类别和规模': company_Type_Size,
            '福利待遇': benefits
        }
        # print(job_datas)
        writer.writerow([
            title,
            area,
            salary,
            exp_degree,
            tags,
            company_name,
            company_Type_Size,
            benefits
        ])