最全Python 基于Xpath和lxml库解析网站_招聘网站 爬虫lxml+xpath,2024年最新GitHub上标星13k的《Python面试突击版》




import requests
from lxml import etree
 
def get_job_info(url):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}
    response = requests.get(url, headers=headers)
    if response.status_code == 200:
        return response.text
    return None
 
def parse_jobs(html):
    tree = etree.HTML(html)
    job_list = tree.xpath('//div[@class="job-list"]/div')
    for job in job_list:
        job_title = job.xpath('.//h3/text()')[0]
        company_name = job.xpath('.//div[@class="company-name"]/a/text()')[0]
        location = job.xpath('.//div[@class="location"]/text()')[0].strip()
        job_salary = job.xpath('.//div[@class="money"]/text()')[0]
        print(f'职位名称: {job_title}, 公司名称: {company_name}, 地点: {location}, 薪资: {job_salary}')
 
def main():
    url = 'https://www.lagou.com/jobs/list_%E8%BD%AF%E4%BB%B6%E7%BC%96%E7%A8%8B%E5%B8%88?labelWords=label'
    html = get_job_info(url)
    if html:
        parse_jobs(html)
 
if __name__ == '__main__':
    main()

这段代码首先定义了一个获取网页内容的函数get_job_info,使用了Requests库来发送HTTP请求。然后定义了一个解析网页并提取职位信息的函数parse_jobs,使用了lxml库和Xpath表达式来定位和提取数据。最后,在main函数中,我们调用了这两个函数来获取拉勾网上软件开发工程师的职位信息并打印出来。

最后修改于:2024年08月17日 20:16

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日