猎聘爬虫(附源码)

server/2024/10/18 15:19:43/

废话不多说直接附源码

cookies需要替换成自己的 , 该网站在不登录的情况下只能请求到10页数据 , 想要获得完整数据需要携带登录后的cookies

import requests
import json
from lxml import etree
import os
import openpyxlheaders = {"Accept": "application/json, text/plain, */*","Accept-Language": "zh-CN,zh;q=0.9,en;q=0.8,en-GB;q=0.7,en-US;q=0.6","Cache-Control": "no-cache","Connection": "keep-alive","Content-Type": "application/json;charset=UTF-8","Origin": "https://www.liepin.com","Pragma": "no-cache","Referer": "https://www.liepin.com/","Sec-Fetch-Dest": "empty","Sec-Fetch-Mode": "cors","Sec-Fetch-Site": "same-site","User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36 Edg/122.0.0.0","X-Client-Type": "web","X-Fscp-Bi-Stat": "{\"location\": \"https://www.liepin.com/zhaopin/?inputFrom=head_navigation&scene=init&workYearCode=0&ckId=jrkiappybgyczm7c2sk5zmfzwgpqpqia\"}","X-Fscp-Fe-Version": "","X-Fscp-Std-Info": "{\"client_id\": \"40108\"}","X-Fscp-Trace-Id": "f22eb671-3c8f-4f94-8b14-e5e7d176be52","X-Fscp-Version": "1.1","X-Requested-With": "XMLHttpRequest","X-XSRF-TOKEN": "hCnGTNiJQfe47qu4x2OChA","sec-ch-ua": "\"Chromium\";v=\"122\", \"Not(A:Brand\";v=\"24\", \"Microsoft Edge\";v=\"122\"","sec-ch-ua-mobile": "?0","sec-ch-ua-platform": "\"Windows\""
}def spiderData():# 循环每一页for i in range(1, 21):# 配置账号参数cookies =  ''# 网页链接url = "https://api-c.liepin.com/api/com.liepin.searchfront4c.pc-search-job"# 参数data = {"data": {"mainSearchPcConditionForm": {"city": "410","dq": "410","pubTime": "","currentPage": f"{i}","pageSize": 40,"key": "","suggestTag": "","workYearCode": "0","compId": "","compName": "","compTag": "","industry": "H01$H01","salary": "","jobKind": 2,"compScale": "","compKind": "","compStage": "","eduLevel": ""},"passThroughForm": {"scene": "init","ckId": "0nbwaavz2gngc40f8xmfp59in6ymulua","skId": "pf8wezdo0ezilzl4tyd1g4tcoyh43qe9","fkId": "0nbwaavz2gngc40f8xmfp59in6ymulua","suggest": None}}}data = json.dumps(data, separators=(',', ':'))response = requests.post(url, headers=headers, cookies=cookies, data=data).json()print(f"正在爬取第{i + 1}页")praseData(response)# 这段代码主要用于解析和保存来自招聘网站的职位信息。下面是加上注释后的代码:
def praseData(data):for z in range(0,40):job_card_list = data.get('data', {}).get('data', {}).get('jobCardList', [])if 0 <= z < len(job_card_list):res_json_item = job_card_list[z]# 公司名称comp_name = res_json_item.get('comp', {}).get('compName')# 职位链接job_link = res_json_item.get('job', {}).get('link')# 工作地点place = res_json_item.get('job', {}).get('dq')# 薪资salary = res_json_item.get('job', {}).get('salary')# 职位名称job = res_json_item.get('job', {}).get('title')else:# 如果z不是有效索引或job_card_list为空,则处理错误或设置默认值comp_name = Nonejob_link = Noneplace = Nonesalary = Nonejob = None# 解析职位详情页面sub_data = requests.get(job_link, headers=headers).text# 使用 etree 解析 HTML 数据xml = etree.HTML(sub_data)# 尝试从详情页面中提取公司简介try:details = xml.xpath('//dl[@class="paragraph"]/dd/text()')[0]except:details = None# 公司简介companyProfile = xml.xpath("//div[@class='paragraph-box']/div/text()")company_profile = ','.join(companyProfile)# 公司信息try:intorduct = details.split('截止日期')[0].split()intorducts = ','.join(intorduct)except:intorducts = None# 保存到 excle 表格job_list = [job,place,salary,comp_name,company_profile,intorducts]print(job_list)save_data_to_xlsx(job_list)# 保存到excle表格
def save_data_to_xlsx(data ):filename = f'job.xlsx'name_headers = ['职位', '地点', '薪资', '公司名称', '公司简介','描述']if os.path.exists(filename):workbook = openpyxl.load_workbook(filename)sheet = workbook.activesheet.append(data)else:workbook = openpyxl.Workbook()sheet = workbook.active# 添加表头sheet.append(name_headers)sheet.append(data)# 保存 Excel 文件workbook.save(filename)if __name__ == '__main__':spiderData()

http://www.ppmy.cn/server/14148.html

相关文章

远程仓库.github/workflow的 yml如何配置

git 远程仓库.github/workflow的 yml如何配置 关于远程仓库 GitHub 的协作开发方法取决于将本地存储库中的提交发布到 GitHub 以便其他人查看、获取和更新。 远程 URL 是 Git 表达“代码存储位置”的奇特方式。该 URL 可以是您在 GitHub 上的存储库&#xff0c;也可以是其他用…

RK3588S和ARM阵列服务器在虚拟化云平台的应用

RK3588是瑞芯微2021年底推出的首款高端8nm旗舰芯片&#xff0c;而RK3588S 则是针对消费端市场在RK3588基础上缩减了部分外围接口&#xff0c;CPU、GPU和NPU等主要参数得到了保留&#xff0c;主要应用范围为高端ARM平板、ARM笔电产品&#xff0c;会议平板类、ARM服务器、智能机器…

ASP.NET教务平台—学籍管理模块开发与设计

摘 要 教务平台之学籍管理模块是一个典型的教务信息管理系统(MIS)&#xff0c;其开发主要包括后台数据库的建立和前端应用程序的开发两个方面。对于后台数据库要求实现数据的完整性、一致性和安全性&#xff1b;对于前台应用程序开发则要求模块功能完备、界面友好、易使用等特…

CSS渐变色理论与分类、文字渐变色方案、炸裂渐变色方案以及主流专业渐变色工具网站推荐

渐变色彩可以增加视觉层次感和动态效果&#xff0c;使网页界面更加生动有趣&#xff0c;吸引用户注意力。另外&#xff0c;相较于静态背景图片&#xff0c;CSS渐变无需额外的HTTP请求&#xff0c;减轻服务器负载&#xff0c;加快页面加载速度&#xff1b;同时CSS渐变能够根据容…

python元组与列表的区别

元组&#xff08;Tuple&#xff09;和列表&#xff08;List&#xff09;是Python中两种主要的序列类型&#xff0c;它们在功能上有许多相似之处&#xff0c;但也存在一些关键的区别&#xff1a; 可变性&#xff1a; 列表是可变的&#xff0c;这意味着你可以更改列表的内容&…

libVLC 制作一款精美的播放器

1.简介 本文将简单介绍使用libVLC制作一款精美的播放器。 开发环境:Visual Studio + Qt插件。 Qt版本:Qt5.9。 libVLC版本:3.0.20。 以下是运行界面效果图:截取其中几张。 右键菜单,功能还是比较齐全。 2.ui界面构成 接下来简单介绍一下ui界面构成。 主界面由播放树…

BUUCTF---[HBNIS2018]excel破解

1、下载附件是一个表格&#xff0c;提示需要密码 2、刚开始我想着用工具破解密码&#xff0c;但是工具只能破解文件&#xff0c;常规操作&#xff0c;我们放在winhex中分析 &#xff0c;查找flag&#xff0c;发现有好几处&#xff0c;再拿第一个flag去提交的时候&#xff0c;就…

MybatisPlus 常用注解

一、前言 Mybatis-Plus是一个在Mybatis基础上进行增强的ORM框架&#xff0c;提供了许多便捷的注解来简化数据库操作。本文将介绍Mybatis-Plus常用的注解以及它们的使用方法。 二、常用注解 2.1、TableName TableName注解用于指定实体类对应的数据库表名。使用该注解可以省去…