鱼C论坛

 找回密码
 立即注册
查看: 1032|回复: 3

爬虫代码有问题请各位大佬指点

[复制链接]
匿名鱼油
匿名鱼油  发表于 2021-12-19 13:54:36 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
本帖最后由 匿名 于 2021-12-19 17:30 编辑

我爬取的网站是https://www.shixi.com/search/index?key=大数据,内容是全部页数的六个信息
这个代码我是照着爬取豆瓣TOP250的那个代码写的,希望有人指点我一下
import requests
import bs4
import re

def open_url(url):
    headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36'}
    res = requests.get(url, headers=headers,verify=False)
    return res

def find_occupation(res):
    soup =bs4.BeautifulSoup(res.text, 'html.parser')

    #岗位名称
    post = []
    targets = soup.find_all("dt", class_="job-name")
    for each in targets:
        post.append(each.text)

    #公司名称
    company = []
    targets = soup.find_all("div", class_="comany-info-title")
    for each in targets:
        company.append(each.a.text)

    #工作地点
    area = []
    targets = soup.find_all("span", class_="job-address")
    for each in targets:
        area.append(each.text)


    #学历要求
    education = []
    targets = soup.find_all("dd", class_="job-des")
    for each in targets:
        education.append(each.text)

    #薪资情况
    pay = []
    targets = soup.find_all("div", class_="comany-info-des")
    for each in targets:
        pay.append(each.text)
    
    #发布时间
    time = []
    targets = soup.find_all("span", class_="job-time")
    for each in targets:
        try:
            time.append(each.text.split('\n')[1].strip() + each.text.split('\n')[2].strip())
        except:
            continue

    result = []
    length = len(post)
    for i in range(length):
        result.append(post[i] + company[i] + area[i] + education[i] + pay[i] + time[i] + '\n')
    return result

#找出共有多少个页面
def find_depth(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')
    depth = soup.find('li', class_='next').previous_sibling.previous_sibling.text

    return int(depth)

def main():
    host = "https://www.shixi.com/search/index?key=大数据"
    res = open_url(host)
    depth = find_depth(res)

    result = []
    for i in range(depth):
        url = host + '&page=' + str(10 * i)
        res = open_url(url)
        result.extend(find_occupation(res))

    with open ("大数据.txt", "w", encoding="utf-8") as f:
        for each in result:
            f.write(each)


if __name__ == "__main__":
    main()   
回复

使用道具 举报

发表于 2021-12-19 20:46:06 | 显示全部楼层
顶一下,有没有大佬帮忙解答一下啊,孩子球球了
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2021-12-19 15:06:18 | 显示全部楼层
suchocolate 发表于 2021-12-19 14:49
find_movies函数是做什么 ?

是我忽略了没改,应给是 find_occuptation(res)
虽然还未能运行,不过谢谢指出
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2021-12-19 14:49:49 | 显示全部楼层
find_movies函数是做什么 ?
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2024-11-16 04:48

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表