千家信息网

Python如何爬取实习僧招聘网站

发表于:2024-11-14 作者:千家信息网编辑
千家信息网最后更新 2024年11月14日,这篇文章主要为大家展示了"Python如何爬取实习僧招聘网站",内容简而易懂,条理清晰,希望能够帮助大家解决疑惑,下面让小编带领大家一起研究并学习一下"Python如何爬取实习僧招聘网站"这篇文章吧。
千家信息网最后更新 2024年11月14日Python如何爬取实习僧招聘网站

这篇文章主要为大家展示了"Python如何爬取实习僧招聘网站",内容简而易懂,条理清晰,希望能够帮助大家解决疑惑,下面让小编带领大家一起研究并学习一下"Python如何爬取实习僧招聘网站"这篇文章吧。

本次任务背景:

https://www.shixiseng.com

爬取一下实习僧IT互联网的Python实习信息

如上图所示,该字段的数据看不见,可能它不希望你很简单的就获得它网站的这些数据,这些数据对他来说比较重要,所以启用了反爬技巧

如果直接运行,这些数据是爬取不下来的,如下图:

如上图,相关数据已经以"utf-8"编码的方式呈现出来

创建函数hack_number(),用于解码数字

编写好相关代码之后,查看运行结果

完整代码如下:

import requestsfrom bs4 import BeautifulSoupheaders = {"user-agent":"Mozilla/5.0"}def hack_number(text):  text = text.encode('utf-8')  text = text.replace(b'\xef\x82\x9d', b'0')  text = text.replace(b'\xee\xa6\x88', b'1')  text = text.replace(b'\xee\xa8\xb4', b'2')  text = text.replace(b'\xef\x91\xbe', b'3')  text = text.replace(b'\xee\x88\x9d', b'4')  text = text.replace(b'\xef\x97\x80', b'5')  text = text.replace(b'\xee\x85\x9f', b'6')  text = text.replace(b'\xee\x98\x92', b'7')  text = text.replace(b'\xef\x80\x95', b'8')  text = text.replace(b'\xef\x94\x9b', b'9')  text = text.decode()  return textdef detail_page(url):  req = requests.get(url,headers=headers)  html = req.text    soup = BeautifulSoup(html,'lxml')  job_name = soup.select('.new_job_name')[0].text.strip()  job_money = hack_number(soup.select('.job_money')[0].text.strip())  job_position = soup.select('.job_position')[0].text.strip()  job_academic = soup.select('.job_academic')[0].text.strip()  job_detail = soup.select('.job_detail')[0].text.strip()  job_week = hack_number(soup.select('.job_week')[0].text.strip())  job_time = hack_number(soup.select('.job_time')[0].text.strip())  print(job_name,job_money,job_position,job_academic,job_week,job_time)  print(job_detail)#detail_page('https://www.shixiseng.com/intern/inn_1k3vhcwwguaf?pcm=pc_SearchList')#detail_page('https://www.shixiseng.com/intern/inn_uk1lm380lngh?pcm=pc_SearchList')#detail_page('https://www.shixiseng.com/intern/inn_fr1o1nii5knw?pcm=pc_SearchList')for pages in range(1,3):  url = f'https://www.shixiseng.com/interns?page={pages}&keyword=Python&type=intern&area=&months=&days=°ree=&official=&enterprise=&salary=-0&publishTime=&sortType=&city=%E8%B4%B5%E9%98%B3&internExtend='  req = requests.get(url,headers=headers)  html = req.text  soup = BeautifulSoup(html,'lxml')  for item in soup.select('a.title ellipsis font'):    detail_url = f"https://www.shixiseng.com{item.get('href')}"    detail_page(detail_url)

以上是"Python如何爬取实习僧招聘网站"这篇文章的所有内容,感谢各位的阅读!相信大家都有了一定的了解,希望分享的内容对大家有所帮助,如果还想学习更多知识,欢迎关注行业资讯频道!

0