未加星标

手把手带你抓取智联招聘的“数据分析师”岗位!

字体大小 | |
[开发(python) 所属分类 开发(python) | 发布者 店小二04 | 时间 2018 | 作者 红领巾 ] 0人收藏点击收藏
前言

很多网友在后台跟我留言,是否可以分享一些爬虫相关的文章,我便提供了我以前写过的爬虫文章的链接(如下链接所示),大家如果感兴趣的话也可以去看一看哦。在本文中,我将以智联招聘为例,分享一下如何抓取近5000条的数据分析岗信息。

往期爬虫链接

上海历史天气和空气质量数据获取(python版) 网络爬虫-京东优惠活动数据分析 快来看看招商银行理财产品数据(代码及分析) 用Python爬下6万共享单车数据,谈谈单车热潮中的城市 百度指数之图像数字识别(2) 抓取百度指数引发的图像数字识别 一件有趣的事: 爬了爬自己的微信朋友 看看融资界都有哪些事情发生 【干货】手把手带你抓“网上购物”类APP信息(含代码) 快来围观2W+的豆瓣电影分类排行榜(含代码) 什么?你了解二手车市场?(含爬虫代码) (干货)数据分析案例--以上海二手房为例 通过Python抓取天猫评论数据 使用Python实现豆瓣阅读书籍信息的获取 使用Python爬取网页图片

爬虫流程 首先简单聊一下Python抓取互联网数据的一般步骤,如下图所示:
手把手带你抓取智联招聘的“数据分析师”岗位!
1) 发送请求 ,向对方服务器发送待抓取网站的链接URL; 2) 返回请求 ,在不发生意外的情况下(意外包括网络问题、客户端问题、服务器问题等),对方服务器将会返回请求的内容(即网页源代码) 3) 数据存储 ,利用正则表达式或解析法对源代码作清洗,并将目标数据存储到本地(txt、csv、Excel等)或数据库(mysql、SQL Server、MongoDB等) 爬虫实操

接下来,在理解了爬虫流程之后,我们借助于智联招聘的网站,跟大家分析如何一步一步的完成数据的抓取。

寻找目标URL 如下图所示,是在智联招聘网站上搜索“数据分析师”岗位后的响应结果。按照常理,需要按一下键盘中的F12键,对网页内容进行监控。
手把手带你抓取智联招聘的“数据分析师”岗位!
手把手带你抓取智联招聘的“数据分析师”岗位!
接着,在原网页中下来滚动条,并点击“下一页”,此时右侧的监控台便发生了变化,读者需要按下图进行选择:
手把手带你抓取智联招聘的“数据分析师”岗位!
经过这四步的选择,就可以发现招聘网站上的信息都在这个Preview(预览)里面。那么问题来了,需要抓取的URL是什么呢?此时只需点击Headers卡即可,你会发现请求链接就是下图中框出来的部分:
手把手带你抓取智联招聘的“数据分析师”岗位!
发送请求并返回请求内容

既然找到了目标URL,下面要做的就是基于Python向智联招聘的服务器发送请求了,具体代码如下:

import requests # 用于发送URL请求 import pandas as pd # 用于构造数据框 import random # 用于产生随机数 import time # 用于时间停留# 根据第一页的URL,抓取“数据分析师”岗位的信息 url = r'https://fe-api.zhaopin.com/c/i/sou?pageSize=60&cityId=489&workExperience=-1&education=-1&companyType=-1&employmentType=-1&jobWelfareTag=-1&kw=%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%E5%B8%88&kt=3&lastUrlQuery=%7B%22jl%22:%22489%22,%22kw%22:%22%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%E5%B8%88%22,%22kt%22:%223%22%7D&at=9c5682b1a4f54de89c899fb7efc7e359&rt=54eaf1be1b8845c089439d53365ea5dd&_v=0.84300214&x-zp-page-request-id=280f6d80d733447fbebafab7b8158873-1541403039080-617179' # 构造请求的头信息,防止反爬虫 headers = { 'User-Agent': 'Mozilla/5.0 (windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36'} # 利用requests包中的get函数发送请求 response = requests.get(url, headers = headers) # 基于response返回Json数据 datas = response.json()
手把手带你抓取智联招聘的“数据分析师”岗位!
如上结果所示,即为抓取回来的招聘信息,这些信息是以字典的形式存储起来的。需要说明的是,在发送请求的代码中,添加了请求头信息,其目的就是防止对方服务器禁止Python爬虫。关于头信息可以在Headers选项中的“Request Headers”部分找到,读者只需将“User-Agent”值摘抄下来即可。
手把手带你抓取智联招聘的“数据分析师”岗位!
内容解析(Json) 下面利用字典的键索引知识,将所需字段的值解析出来。这里不妨以公司名称为例,利用字典的索引技术将其取出来。具体如下图所示:
手把手带你抓取智联招聘的“数据分析师”岗位!
手把手带你抓取智联招聘的“数据分析师”岗位!
手把手带你抓取智联招聘的“数据分析师”岗位!
手把手带你抓取智联招聘的“数据分析师”岗位!

OK,按照如上的策略,便可以取出其他字段的信息,具体代码如下:

# 根据Json数据返回每一条招聘信息# 返回公司名称 company = [i['company']['name'] for i in response.json()['data']['results']] # 返回公司规模 size = [i['company']['size']['name'] for i in response.json()['data']['results']] # 返回公司类型 type = [i['company']['type']['name'] for i in response.json()['data']['results']] # 返回公司招聘信息 positionURL = [i['positionURL'] for i in response.json()['data']['results']] # 返回工作经验的要求 workingExp = [i['workingExp']['name'] for i in response.json()['data']['results']] # 返回教育水平的要求 eduLevel = [i['eduLevel']['name'] for i in response.json()['data']['results']] # 返回薪资水平 salary = [i['salary'] for i in response.json()['data']['results']] # 返回工作岗位名称 jobName = [i['jobName'] for i in response.json()['data']['results']] # 返回福利信息 welfare = [i['welfare'] for i in response.json()['data']['results']] # 返回岗位所在城市 city = [i['city']['items'][0]['name'] for i in response.json()['data']['results']] # 返回经度 lat = [i['geo']['lat'] for i in response.json()['data']['results']] # 返回纬度 lon = [i['geo']['lon'] for i in response.json()['data']['results']] # 将返回的信息构造表格 pd.DataFrame({'company':company,'size':size,'type':type,'positionURL':positionURL, 'workingExp':workingExp,'eduLevel':eduLevel,'salary':salary, 'jobName':jobName,'welfare':welfare,'city':city,'lat':lat,'lon':lon})
手把手带你抓取智联招聘的“数据分析师”岗位!
数据存储 如上操作只是将招聘网站中的第一页内容抓取下来,如果需要抓取n多页,就需要借助于for循环的技术。但在循环之前,需要准确找到目标链接的规律,然后使用for循环就水到渠成了。所以,我们按照之前的方法,找到第二页、第三页、第四页链接,然后发现其中的规律,如下图所示:
手把手带你抓取智联招聘的“数据分析师”岗位!
如上图所示,在链接中只有一部分内容发生变化,即“start=”,而其他部分都保持不变。所以,按照这个规律就可以对多页内容进行抓取,代码如下: # 构造空列表,用于存储各页的招聘信息 jobs = [] # 利用for循环,生成规律的链接,并对这些链接进行请求的发送和解析内容 for i in range(0,6001,60): url = 'https://fe-api.zhaopin.com/c/i/sou?start='+str(i)+'&pageSize=60&cityId=489&workExperience=-1&education=-1&companyType=-1&employmentType=-1&jobWelfareTag=-1&kw=%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%E5%B8%88&kt=3&lastUrlQuery=%7B%22p%22:5,%22jl%22:%22489%22,%22kw%22:%22%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%E5%B8%88%22,%22kt%22:%223%22%7D&at=17a95e7000264c3898168b11c8f17193&rt=57a342d946134b66a264e18fc60a17c6&_v=0.02365098&x-zp-page-request-id=a3f1b317599f46338d56e5d080a05223-1541300804515-144155' response = requests.get(url, headers = headers) print('Down Loading:','https://fe-api.zhaopin.com/c/i/sou?start='+str(i)+'&pageSize=60','......') company = [i['company']['name'] for i in response.json()['data']['results']] size = [i['company']['size']['name'] for i in response.json()['data']['results']] type = [i['company']['type']['name'] for i in response.json()['data']['results']] positionURL = [i['positionURL'] for i in response.json()['data']['results']] workingExp = [i['workingExp']['name'] for i in response.json()['data']['results']] eduLevel = [i['eduLevel']['name'] for i in response.json()['data']['results']] salary = [i['salary'] for i in response.json()['data']['results']] jobName = [i['jobName'] for i in response.json()['data']['results']] welfare = [i['welfare'] for i in response.json()['data']['results']] city = [i['city']['items'][0]['name'] for i in response.json()['data']['results']] lat = [i['geo']['lat'] for i in response.json()['data']['results']] lon = [i['geo']['lon'] for i in response.json()['data']['results']] # 随机生成5~8之间的实数,用于页面的停留时长(仍然是防止反爬虫) seconds = random.randint(5,8) time.sleep(seconds) # 将每一页的内容保存到jobs列表中 jobs.append(pd.DataFrame({'company':company,'size':size,'type':type,'positionURL':positionURL, 'workingExp':workingExp,'eduLevel':eduLevel,'salary':salary, 'jobName':jobName,'welfare':welfare,'city':city,'lat':lat,'lon':lon})) # 拼接所有页码下的招聘信息 jobs2 = pd.concat(jobs) # 将数据导出到Excel文件中 jobs2.to_excel('jobs.xlsx', index = False)
手把手带你抓取智联招聘的“数据分析师”岗位!

如上结果所示,即为数据导出后的Excel效果图。在下一期,我将针对抓取回来的数据,进行内容的分析。

结语

OK,关于使用Python完成招聘网站数据的抓取就分享到这里,如果你有任何问题,欢迎在公众号的留言区域表达你的疑问。同时,也欢迎各位朋友继续转发与分享文中的内容,让更多的人学习和进步。 关于Python的其他知识(包括数据的清洗、整理、运算、分析、可视化和建模),读者可以查阅我的新书《从零开始学Python数据分析与挖掘》,如果您对书中的内容有任何疑问,都可以联系我。 本文中的代码和数据可以从百度云盘中下载,只需关注“数据分析1480”公众号,并回复“智联招聘”即可。

数据人网是数据人学习,交流和分享的平台,诚邀您创造和分享数据知识,共建和共享数据智库。

本文开发(python)相关术语:python基础教程 python多线程 web开发工程师 软件开发工程师 软件开发流程

代码区博客精选文章
分页:12
转载请注明
本文标题:手把手带你抓取智联招聘的“数据分析师”岗位!
本站链接:https://www.codesec.net/view/611193.html


1.凡CodeSecTeam转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责;
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性,不作出任何保证或承若;
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。
登录后可拥有收藏文章、关注作者等权限...
技术大类 技术大类 | 开发(python) | 评论(0) | 阅读(111)