Python爬蟲學習(二) ——————爬取前程無憂招聘信息並寫入excel

作為一名Pythoner，相信大家對Python的就業前景或多或少會有一些關注。索性我們就寫一個爬蟲去獲取一些我們需要的信息，今天我們要爬取的是前程無憂！說干就干！進入到前程無憂的官網，輸入關鍵字“Python”，我們會得到下面的頁面

 我們可以看到這里羅列了"職位名"、"公司名"、"工作地點"、"薪資"、"發布時間"，那么我們就把這些信息爬取下來吧！確定了需求，下一步我們就審查元素找到我們所需信息所在的標簽，再寫一個正則表達式把元素篩選出來就可以了！

順理成章得到這樣一個正則表達式：

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)
完成這關鍵的一步，下面寫入本地就灰常簡單了！還是來段代碼吧！

# -*- coding:utf-8 -*-
import urllib.request
import re

#獲取原碼
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)#打開網址
    html = a.read().decode('gbk')#讀取源代碼並轉為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)#匹配換行符
    items=re.findall(reg,html)
    return items

#多頁處理，下載到文件
for  j in range(1,10):
    print("正在爬取第"+str(j)+"頁數據...")
    html=get_content(j)#調用獲取網頁原碼
    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()

 再來一張效果圖

 看起來效果還不錯，要是能夠以表格的形式展示出來就更好了，在網上看到有的大佬直接把招聘信息寫入excel表格，今天我也來試一下吧！其實也並麻煩，只需要將上面的代碼稍加修改就可以了。下面貼一下代碼，重要的地方會有注釋。

# -*- coding:utf-8 -*-
import urllib.request
import re
import xlwt#用來創建excel文檔並寫入數據

#獲取原碼
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)#打開網址
    html = a.read().decode('gbk')#讀取源代碼並轉為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)#匹配換行符
    items = re.findall(reg,html)
    return items
def excel_write(items,index):

#爬取到的內容寫入excel表格
    for item in items:#職位信息
        for i in range(0,5):
            #print item[i]
            ws.write(index,i,item[i])#行，列，數據
        print(index)
        index+=1

newTable="test.xls"#表格名稱
wb = xlwt.Workbook(encoding='utf-8')#創建excel文件，聲明編碼
ws = wb.add_sheet('sheet1')#創建表格
headData = ['招聘職位','公司','地址','薪資','日期']#表頭部信息
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)

最后實現的效果如下圖：

至此，我們的工作就已經完成了！有的朋友可能想要爬取其他工作的招聘信息，觀察了一下URl可以知道修改一下關鍵字名稱就可以了！可以定義成一個函數只需輸入關鍵字，然后就可以自動爬取該工作的招聘信息！條條大路通羅馬，想要實現上面的效果肯定不止這一種方法，以上內容僅供參考，希望可以給有需要的朋友提供一點思路！至於代碼就比較粗糙了，而本人也希望有一天能夠寫得一手風騷代碼！還是要重申一遍，本人能力有限，文章中可能會有紕漏或者錯誤，也歡迎表哥表姐們前來指正！謝謝大家！