Python 爬虫之 Xpath 爬取猪八戒网招商信息(详细教学)




import requests
from lxml import etree
import csv
 
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36',
}
 
def get_html(url):
    """
    获取网页html内容
    :param url: 网页链接
    :return: 网页内容
    """
    response = requests.get(url, headers=headers)
    return response.text
 
def parse_html(html):
    """
    解析网页并提取招商信息
    :param html: 网页内容
    :return: 招商信息列表
    """
    html_element = etree.HTML(html)
    # 以下XPath表达式需要根据实际网页结构进行调整
    company_list = html_element.xpath('//div[@class="company-list"]/div')
    data_list = []
    for company in company_list:
        name = company.xpath('.//h3/a/text()')[0] if company.xpath('.//h3/a/text()') else '无'
        scale = company.xpath('.//p[@class="company-scale"]/text()')[0].strip() if company.xpath('.//p[@class="company-scale"]/text()') else '无'
        type = company.xpath('.//p[@class="company-type"]/a[1]/text()')[0].strip() if company.xpath('.//p[@class="company-type"]/a[1]/text()') else '无'
        area = company.xpath('.//p[@class="company-area"]/a/text()')[0].strip() if company.xpath('.//p[@class="company-area"]/a/text()') else '无'
        info = {
            '公司名称': name,
            '公司规模': scale,
            '企业类型': type,
            '所在地区': area
        }
        data_list.append(info)
    return data_list
 
def save_data(data_list):
    """
    将招商信息保存到CSV文件
    :param data_list: 招商信息列表
    """
    with open('recruit_info.csv', 'w', newline='', encoding='utf-8') as f:
        writer = csv.DictWriter(f, fieldnames=data_list[0].keys())
        writer.writeheader()
        writer.writerows(data_list)
 
def main():
    """
    主函数,控制流程
    """
    url = 'https://www.zhipin.com/web/geek/home.html?utm_source=homepage&utm_medium=hao-channel&utm_oc=01'
    html = get_html(url)
    data_list = parse_html(html)
    save_data(data_list)
 
if __name__ == '__main__':
    main()

这段代码首先定义了请求头,用于模拟浏览器访问。然后定义了get_html函数来获取网页内容,parse_html函数来解析网页并提取招商信息,以及save_data函数来保存数据到CSV文件。最后,在main函数中控制流程的进行。

注意

最后修改于:2024年08月19日 19:06

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