python爬大众才才网职位信息

话不多说,直接上代码:

# -*- coding : utf-8 -*-

import requests, time, pymysql, random

from bs4import BeautifulSoup

import re

import json

import datetime

# 伪装成浏览器

user_agent = ['Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/48.0.2564.109 Safari/537.36','Mozilla/5.0(compatible;MSIE9.0;WindowsNT6.1;Trident/5.0','Mozilla/5.0(WindowsNT6.1;rv:2.0.1)Gecko/20100101Firefox/4.0.1','Mozilla/4.0(compatible;MSIE7.0;WindowsNT5.1;Maxthon2.0)','Mozilla/4.0(compatible;MSIE7.0;WindowsNT5.1;Trident/4.0;SE2.XMetaSr1.0;SE2.XMetaSr1.0;.NETCLR2.0.50727;SE2.XMetaSr1.0)']

# headers = {

#? ? 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/48.0.2564.109 Safari/537.36',

#? ? 'Connection': "keep-alive"

# }

# 连接数据库

client = pymysql.connect("22222222","testname","testpwdkey","22222" ,use_unicode=True,charset="utf8")

client.autocommit(True)

# 通过cursor创建游标

cursor = client.cursor()

# 获取商品链接

"""

channel:列表地址

page:页数

who_sells:页数参数

"""

def get_all_url_from(channel,start_page, page, who_sells='index',header_rand =0):

headers_a = {

'User-Agent': user_agent[header_rand],

'Connection':"keep-alive",

'X-Forwarded-For':'1.2.3.4',

'referer':'https://yantuz.cn/',

'Content-Type':'multipart/form-data; session_language=cn_CN',

'Accept-Language':'zh-CN,zh;q=0.9',

}

count =0

? ? for iin range(1, page +1):

url ='{}{}={}'.format(channel,str(who_sells),str(i))

print("链接:" + url)

#获取URL内容

? ? ? ? wb_data = requests.get(url,headers=headers_a)

time.sleep(3)

wb_data.encoding ='utf-8'

? ? ? ? soup = BeautifulSoup(wb_data.text,'html.parser')

links = soup.find("div",class_ ='c_new_table')

all_a_tag = links.find_all("a")

for lin all_a_tag:

if l:

if '/company/pos_' in l.get("href"):

print("page:" +str(i) +",href:" + l.get("href"))

#获取单商品详情

? ? ? ? ? ? ? ? ? ? get_iterms_from("http://jn.dazhonghr.com" + l.get("href"),headers_a)

# 获取商品详情

def get_iterms_from(url,headers_s):

wb_data = requests.get(url,headers = headers_s)

if wb_data.status_code ==404:

pass

? ? else:

time.sleep(2)

wb_data.encoding ='utf-8'

? ? ? ? soup = BeautifulSoup(wb_data.text,'html.parser')

if soup.select('h1'):

job_name = soup.select('h1')[0].text

if job_name:

daiyu = soup.find("div",class_ ='n_fuli').find_all("li")

company_address = soup.find(id="addr_end")["value"]

new_daiyu =''

? ? ? ? ? ? ? ? for din daiyu:

new_daiyu = new_daiyu +str(d).replace("

  • ",'').replace("
  • ",'').strip() +','

    ? ? ? ? ? ? ? ? company_intro = soup.select('div.n_r_qy')[0].text

    company_mingpian_arr = []

    company_mingpian = soup.find("div",class_ ='n_r_con').find_all('li')

    for kkin company_mingpian:

    com_span_str = kk.select("span.f_b")

    if com_span_str:

    company_mingpian_arr.append(com_span_str[0].text)

    n_list = soup.find("div",class_ ='n_list').find_all("li")

    n_list_arr = []

    for kin n_list:

    span_str = k.select("span.f_b")

    if span_str:

    n_list_arr.append(span_str[0].text)

    company_contact = soup.find("div",class_ ="n_l_txt")

    job_intro = []

    for iin company_contact:

    dr = re.compile(r'', re.S)

    job_intro.append(str(dr.sub('',str(i))))

    company_yaoqiu = soup.find_all("div",class_ ="n_l_txt")

    company_yaoqiu_s = BeautifulSoup(str(company_yaoqiu),"html.parser")

    company_yaoqiu_arr = []

    for tin company_yaoqiu:

    dr = re.compile(r'<[^>]+>', re.S)

    dd = dr.sub('',str(t))

    dd =str(dd).replace('\r','')

    company_yaoqiu_arr.append(dd)

    # print(company_yaoqiu_arr)

    ? ? ? ? ? ? ? ? company_user = company_yaoqiu_arr[2].split("\n")

    company_users = company_user[1].split(":")

    job_username = company_users[1]

    company_times = company_user[3].split(":")

    job_login_time = company_times[1]

    #获取链接ID

    ? ? ? ? ? ? ? ? link_arr = url.strip().split("_")

    link_arr = link_arr[1].split(".")

    job_id = link_arr[0]

    data = {

    'job_name': soup.select('h1')[0].text,

    'job_daiyu': new_daiyu,

    'company_address_s': company_address,

    'job_type': n_list_arr[0],

    'min_xueli': n_list_arr[1],

    'job_jingyan': n_list_arr[2],

    'job_age': n_list_arr[3],

    'job_address': n_list_arr[4],

    'job_sex': n_list_arr[5],

    'job_num': n_list_arr[6],

    'type': n_list_arr[7],

    'job_money': n_list_arr[8],

    'company_name': company_mingpian_arr[0],

    'company_type': company_mingpian_arr[1],

    'company_money': company_mingpian_arr[2],

    'company_num': company_mingpian_arr[3],

    'company_reg_time': company_mingpian_arr[4],

    'company_intro' : company_intro.strip(),

    'job_intro': company_yaoqiu_arr[0],

    'job_yaoqiu': company_yaoqiu_arr[1],

    'job_username': job_username,

    'job_login_time':job_login_time

    }

    # print(data)

    #查询企业信息是否存在

    ? ? ? ? ? ? ? ? com_sql ="select * from ocenter_crm_company where company_name = '%s'" % (data['company_name'].strip())

    cursor.execute(com_sql)

    com_result_one = cursor.fetchone()

    print(com_result_one)

    if com_result_one:

    company_id = com_result_one[0]

    else:

    #添加企业信息

    ? ? ? ? ? ? ? ? ? ? company_add_time = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())

    com_insert_sql ="insert into ocenter_crm_company (company_name,company_address,company_type,company_capital,company_scale,company_regtime,company_intro,login_time,add_time) values('%s','%s','%s','%s','%s','%s','%s','%s','%s')" % (data['company_name'],data['company_address_s'],data['company_type'],data['company_money'],data['company_num'],data['company_reg_time'],data['company_intro'],data['job_login_time'],company_add_time)

    print(com_insert_sql)

    cursor.execute(com_insert_sql)

    # 提交SQL

    # client.commit()

    ? ? ? ? ? ? ? ? ? ? company_id = cursor.lastrowid

    # 执行数据查询

    ? ? ? ? ? ? ? ? sql ="select * from ocenter_crm_job where job_links = '%s'" % (url.strip())

    cursor.execute(sql)

    result_one = cursor.fetchone()

    if result_one:

    print("yes")

    else:

    # 添加

    ? ? ? ? ? ? ? ? ? ? now_time = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())

    sql ="INSERT INTO `ocenter_crm_job` (company_id,job_id,job_links,job_name,job_place,job_experience,job_money,job_number,job_type,min_educational,job_age,job_sex,job_method,job_welfare,job_intro,job_requirement,job_contact,add_time) VALUES ('%d','%s','%s','%s','%s','%s','%s','%s','%s','%s','%s','%s','%s','%s','%s','%s','%s','%s')" % (company_id,job_id,url.strip(),data['job_name'],data['job_address'],data['job_jingyan'],data['job_money'],data['job_num'],data['job_type'],data['min_xueli'],data['job_age'],data['job_sex'],data['type'],data['job_daiyu'],data['job_intro'],data['job_yaoqiu'],data['job_username'],now_time)

    print(sql)

    cursor.execute(sql)

    # 提交SQL

    # client.commit()

    ? ? ? ? ? ? else:

    pass

    ? ? ? ? else:

    pass

    # 主体数据处理

    #生成随机数

    header_rand = random.randint(0,4)

    # get_iterms_from('http://www.dazhonghr.com/company/pos_1299928.shtml')

    # get_all_url_from('http://jn.dazhonghr.com/person/searchResult.cshtml?',start_page=1, page=100)

    # get_all_url_from('http://www.dazhonghr.com/person/searchResult.cshtml?jobclass=1100&trade=1000&eduLev=1000&workYear=1000&salary=1000&workType=1000&x=69&y=20&',start_page=1, page=8)

    # job分类

    # url = http://jn.dazhonghr.com/person/searchResult.cshtml?jobclass=1100

    # job_sql = "select * from ocenter_crm_job_category"

    # try:

    #? ? # 执行SQL语句

    #? ? cursor.execute(job_sql)

    #? ? # 获取所有记录列表

    #? ? results = cursor.fetchall()

    #? ? for row in results:

    #? ? ? ? new_url = "http://jn.dazhonghr.com/person/searchResult.cshtml?jobclass=%s&" % (row[2])

    #? ? ? ? get_all_url_from(new_url,start_page=1, page=100)

    #

    # except:

    #? ? print ("Error: unable to fetch data")

    # trade分类

    # url = http://jn.dazhonghr.com/person/searchResult.cshtml?jobclass=1100

    job_sql ="select *from ocenter_crm_trade"

    try:

    # 执行SQL语句

    ? cursor.execute(job_sql)

    # 获取所有记录列表

    ? results = cursor.fetchall()

    for rowin results:

    new_url ="http://jn.dazhonghr.com/person/searchResult.cshtml?trade=%s&" % (row[2])

    get_all_url_from(new_url,start_page=1,page=100,who_sells ='index',header_rand = header_rand)

    except:

    print ("Error: unable to fetch data")

    最后编辑于
    ?著作权归作者所有,转载或内容合作请联系作者
    • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
      沈念sama阅读 213,992评论 6 493
    • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
      沈念sama阅读 91,212评论 3 388
    • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事?!?“怎么了?”我有些...
      开封第一讲书人阅读 159,535评论 0 349
    • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
      开封第一讲书人阅读 57,197评论 1 287
    • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
      茶点故事阅读 66,310评论 6 386
    • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
      开封第一讲书人阅读 50,383评论 1 292
    • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
      沈念sama阅读 39,409评论 3 412
    • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
      开封第一讲书人阅读 38,191评论 0 269
    • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
      沈念sama阅读 44,621评论 1 306
    • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
      茶点故事阅读 36,910评论 2 328
    • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
      茶点故事阅读 39,084评论 1 342
    • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
      沈念sama阅读 34,763评论 4 337
    • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
      茶点故事阅读 40,403评论 3 322
    • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
      开封第一讲书人阅读 31,083评论 0 21
    • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
      开封第一讲书人阅读 32,318评论 1 267
    • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
      沈念sama阅读 46,946评论 2 365
    • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
      茶点故事阅读 43,967评论 2 351

    推荐阅读更多精彩内容