如何获取一个网站的相关信息，获取赶集网的招聘信息，本文为大家介绍利用python获取赶集网招聘信息的关键代码，供大家参考，具体内容如下
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
|
import reimport urllibimport urllib.request#获取赶集网数据def begin(url): #要伪装成的浏览器(我这个是用的chrome) headers = ('User-Agent','Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.86 Safari/537.36') opener = urllib.request.build_opener() #将要伪装成的浏览器添加到对应的http头部 opener.addheaders=[headers] #读取相应的url data = opener.open(url).read() #将获得的html解码为utf-8 data=data.decode('utf-8') return data#处理数据，返回字典城市对应城市的urldef get_cityinfo(data): city_info1=re.findall(r'dl>(.*?)</dl>',data,re.S) city_info2=re.findall(r'(<a.*?</a>)',city_info1[0],re.S) city_dict={} for each in city_info2: key=re.findall('>(.*?)</',each,re.S) city_url=re.findall('href="(.*?)"',each,re.S) city_dict[key[0]]=city_url[0] return city_dict#获取所有的a标签，并从a标签中获取信息def a_info(data): a_info=re.findall(r'(<a.*?</a>)',data[0],re.S) a_dict={} for each in a_info: key=re.findall('>(.*?)</',each,re.S) a_url=re.findall('"(.*?)"',each,re.S) a_dict[key[0]]=a_url[0] return a_dict#获取对应城市信息的所有分类def get_cityinfoclass(): #目前先获取招聘信息，后面有时间再继续补充完善这个模块 info= 'zhaopin/' return info#获取对应城市和其城市分类的信息def getzhaopin(city_info,infoclass): #先搞成都的信息招聘 city_url=city_info['成都'] cdzp_url=city_url+infoclass cdzp_info=begin(cdzp_url) return city_url,cdzp_info#获取成都市招聘信息def get_zhaopin_info(city_url,cdzp_info): allzp_info=re.findall('class="f-all-news"(.*?)</div>',cdzp_info,re.S) a_dict={} class_info=re.findall('<dd>(.*?)</dd>',allzp_info[0],re.S) for each in class_info: a_info=re.findall(r'(<a.*?</a>)',each,re.S) for each1 in a_info: key=re.findall('>(.*?)</',each1,re.S) a_url=re.findall('href="/(.*?)"',each1,re.S) a_dict[key[0].strip()]=city_url+a_url[0] return a_dict#获取招聘信息的具体内容def get_city_zpinfo_detail(url): #先获取软件工程师 sorft_engineer=(zp_class_info['软件工程师']) job_url_info=begin(sorft_engineer) get_detail_info(job_url_info)#处理详情页的信息def get_detail_info(list_info): job_info=re.findall('<dl class="list-noimg job-list clearfix"(.*?)</dl',list_info,re.S) print(job_info[0])if __name__=='__main__': url='http://www.ganji.com/index.htm'; data=begin(url); #所有城市信息 city_info=get_cityinfo(data) #对应的分类 infoclass=get_cityinfoclass() cdzp_url,xiaoshou=getzhaopin(city_info,infoclass) #获取招聘的分类信息 zp_class_info=get_zhaopin_info(cdzp_url,xiaoshou) get_city_zpinfo_detail(zp_class_info) |
以上就是本文的全部内容，希望对大家的学习有所帮助。
