爬取51job职位信息

xiaoxiao2021-02-28  87

今天在爬职位信息的时候,先用的requests模块,后来发现,获取的数据全部是乱码。果断换成selenium+Chrome,成功获取数据,保存MongoDB

在前期校验获取成果时,建议用selenium+Chrome,后期测试通过,换成无界面的PhantomJS

代码如下:

import timefrom selenium import webdriverfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.support.ui import WebDriverWaitfrom selenium.webdriver.support import expected_conditions as ECfrom pyquery import PyQuery as pq# from config import *import pymongobrowser = webdriver.Chrome('/home/worker/Desktop/driver/chromedriver')wait = WebDriverWait(browser, 10)browser.set_window_size(1400, 900)# 连接数据库client = pymongo.MongoClient('127.0.0.1', 27017)# 定义数据库名称db = client.Job# 定义表名coll = db.jobfor i in range(1,101):browser.get('https://search.51job.com/list/020000,000000,0000,00,9,99,Python,2,{}.html?lang=c&stype=1&postchannel=0000&workyear=99&cotype=99°reefrom=99&jobterm=99&companysize=99&lonlat=0,0&radius=-1&ord_field=0&confirmdate=9&fromType=4&dibiaoid=0&address=&line=&specialarea=00&from=&welfare='.format(i))    wait.until(        EC.presence_of_element_located((By.CSS_SELECTOR, '#resultList > div'))    )    html = browser.page_source    # print(html)    doc = pq(html)    #siblings,在兄弟元素中找('.el')的元素    items = doc('#resultList .title').siblings('.el').items()    #当获取数据时,有的字段有数据有的没有,把获取数据之前的页面保存,比对    # with open('./html.html','w') as f:    #     f.write(html)    for item in items:    # for row in rows:        Job={}            # Job['job_name']=item.find('a').eq(0).text(),        # eq(0),想得到第一个标签内的内容        Job['job_name']=item.find('.t1').eq(0).text()           Job['com_name']=item.find('.t2').text()        Job['addr']=item.find('.t3').text()         try:            Job['job_money']=item.find('.t4').text()        except:            Job['job_money']=None        Job['job_time']=item.find('.t5').text()        # time.sleep(0.1)        # print(Job['job_name'])        # print(Job['com_name'])        coll.insert(Job)

        # print(Job)

转载请注明原文地址: https://www.6miu.com/read-2627719.html

最新回复(0)