Python爬虫入门:爬取51job(Xpath)

xpath简介

前面介绍了这么多种解析网页的方式,今天再来介绍一种xpath,

XPath即为XML路径语言(XML Path Language),它是一种用来确定XML文档中某部分位置的语言。

它可以确定元素在XML中的位置,同样我们也可以用它来获取dom节点在html中的位置,就可以便利我们爬取数据

这是今天大概内容的简介

361b120333719cccc5aed281eec232a.png

我在这里也就不详细介绍XPath的语法了,介绍一些我们够用的就行,想了解自己去看API了:https://www.w3school.com.cn/xpath/index.asp

f317a35d452e8e4c23b0764040e229d.png

至于语法当然可以不需要我们自己手动写,我们可以利用浏览器的工具,就哪CSND来举例子,我要获取左侧导航‘程序人生’这个标签的xpath路径。

首先要利用浏览器的元素选择器,找到它的html位置

0332a72d8db2bc4649fec69fa85334a.png

然后我们选择我们要的元素右击copy XPath

8af813df4e6c6c8a14ca717cade362e.png

然后我们粘贴下来://*[@id=“nav”]/div/div/ul/li[3]

这就是程序人生的XPath路径,然后我们就能根据这个来爬取它的这一整块的信息了,后面我的案例就是这样做的。

爬取51job招聘信息

案例就直接上代码了,思路都大同小异,分析信息的页面、页码、元素等等,然后写代码。

"""
爬取  51job 相关职位信息,并保存成cvs文件格式
"""
import requests
from lxml import etree
import csv
# csv后缀的格式就是excel文件打开的格式,我们等于是直接存入了excel中
import time
headers = {
    "User-Agent": "Opera/9.80 (Windows NT 6.0) Presto/2.12.388 Version/12.14"
}
f = open("java职位.cvs","w",newline="")
writer = csv.writer(f)
writer.writerow(['编号', '职位名称', '公司名称', '薪资', '地址', '发布时间'])
i = 1;
for page in range(1,159):
    requests_get = requests.get(
        f"https://search.51job.com/list/020000,000000,0000,00,9,99,java,2,{page}.html?lang=c&stype=&postchannel
        =0000&workyear=99&cotype=99&degreefrom=99&jobterm=99&companysize=99&providesalary=99&lonlat=0%2C0&radius
        =-1&ord_field=0&confirmdate=9&fromType=&dibiaoid=0&address=&line=&specialarea=00&from=&welfare=",
        headers=headers)
    requests_get.encoding="gbk"
    if requests_get.status_code == 200:
        html = etree.HTML(requests_get.text)
        els = html.xpath("//div[@class='el']")[4:]
        for el in els:
            jobname = str(el.xpath("p[contains(@class,'t1')]/span/a/@title")).strip("[']")
            jobcom = str(el.xpath("span[@class='t2']/a/@titlr")).strip("[']")
            jobaddress = str(el.xpath("span[@class='t3']/text()")).strip("[']")
            jobsalary = str(el.xpath("span[@class='t4']/text()")).strip("[']")
            jobdate = str(el.xpath("span[@class='t5']/text()")).strip("[']")
            writer.writerow([i, jobname, jobcom, jobaddress, jobsalary, jobdate])
            i += 1
        print(f"第{page}页获取完毕")

最后存入excel中的样子。

3bdcb7df77405d293433e70edae99ba.png

众多python教程,尽在云海天教程网,欢迎在线学习!

本文转自:https://blog.csdn.net/qq_43517653/article/details/102990851

hmoban主题是根据ripro二开的主题,极致后台体验,无插件,集成会员系统
自学咖网 » Python爬虫入门:爬取51job(Xpath)