赶集网招聘信息数据分析与可视化
来源:互联网 发布:数据挖掘建模 编辑:程序博客网 时间:2024/04/29 08:47
一、使用python编写爬虫——使用urllib库下载网页,使用xpath解析
提取页面中我们所需的信息,公司名称、薪资待遇、工作地点、工作经验、最低学历、招聘人数、公司规模,然后结构化输出到txt文件中,以备之后的分析使用。
#! /usr/bin/env python3# -*- coding:utf-8 -*-from urllib.request import Requestimport stringimport urllibimport lxml.htmldef getHtml(url): headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.89 Safari/537.36'} url = urllib.parse.quote(url, safe=string.printable) req = Request(url, headers=headers) page = urllib.request.urlopen(req) html = page.read() return htmldef getImg(html): flag = 0 tree = lxml.html.fromstring(html) src0 = tree.xpath('//div[@class="s-btop s-bb1 "]//p/text()') src1 = tree.xpath('//div[@class="s-butt s-bb1"]//li[1]/text()') src2 = tree.xpath('//div[@class="s-butt s-bb1"]//li[2]/text()') src3 = tree.xpath('//div[@class="s-butt s-bb1"]//li[3]/text()') src4 = tree.xpath('//div[@class="s-butt s-bb1"]//li[4]/text()') src5 = tree.xpath('//div[@class="s-butt s-bb1"]//li[5]/text()') src6 = tree.xpath('//div[@class="s-butt s-bb1"]//li[6]/text()') while flag < len(src0): with open('ganji_info.txt', 'ab') as jb: jb.write(src0[flag].encode('utf8')) jb.write("\t".encode('utf8')) jb.write(src1[flag].strip().encode('utf8')) jb.write("\t".encode('utf8')) jb.write(src2[flag].encode('utf8')) jb.write("\t".encode('utf8')) jb.write(src3[flag].encode('utf8')) jb.write("\t".encode('utf8')) jb.write(src4[flag].encode('utf8')) jb.write("\t".encode('utf8')) jb.write(src5[flag].encode('utf8')) jb.write("\t".encode('utf8')) jb.write(src6[flag].encode('utf8')) jb.write("\r\n".encode('utf8')) flag += 1if __name__ == '__main__': str = "http://bj.ganji.com/zpruanjianhulianwang/o{}/" pn = 1 while pn <= 300: # 爬取300页 print('爬取第', pn, '页') url = str.format(pn) html = getHtml(url) getImg(html) pn += 1 print('爬取完成')
阅读全文
0 0
- 赶集网招聘信息数据分析与可视化
- 51 Job招聘数据分析与可视化
- 数据可视化、信息可视化与知识可视化
- 信息可视化与可视化数据挖掘
- 可视化与多维数据分析
- D3.js - 某招聘网信息统计可视化
- Python2 Python3 爬取赶集网租房信息,带源码分析
- 自动抓取赶集网火车票信息
- 抓取赶集网租房信息 python3
- 电影演员合作关系可视化(二)数据分析与可视化
- 探索性数据分析与可视化
- 数据分析与可视化工具小谈
- 使用Spark分析拉勾网招聘信息(二): 获取数据
- Python爬虫之实习僧招聘信息及数据分析
- Python爬虫之实习僧招聘信息及数据分析
- 数据分析-可视化数据分析
- 初级数据分析之powershell智联招聘网站统计_北上广招聘职位信息
- 数据可视化与数据分析之间不可替代性
- 将数组A中的内容和数组B中的内容进行交换。(数组一样大)
- java.lang.ClassNotFoundException: org.apache.jsp.WEB_002dINF.view.jsp.default.ui.casLoginView.jsp
- html5和css3登录表单
- Leanote 二进制版搭建本地服务器
- Laravel与ajax请求token
- 赶集网招聘信息数据分析与可视化
- sendfile原理,实现文件传输性能的提升
- 联合体(union)的使用方法及其本质
- nginx 502 bad gateway
- CMenu自绘
- ORACLE数据库导入、导出(备份)
- java.lang.ClassNotFoundException: org.springframework.web.context.ContextLoaderListener
- Python脚本批处理JSON文件,去除制表符、空格、回车等多余符号
- 自动获取行高