python爬虫之XPath（爬取51job招聘信息） |
您所在的位置：网站首页 › 单人照片摆拍姿势大全教师版图片 › python爬虫之XPath（爬取51job招聘信息） |
python爬虫之XPath（爬取51job招聘信息）
|
目录
xpath简介
爬取51job招聘信息
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 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 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°reefrom=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 |
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
然后我们选择我们要的元素右击copy XPath,
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
end…【本文地址】
今日新闻 |
推荐新闻 |