lagou数据爬取

Posted 2021-11-26 knighterrant

1. 使用的工具

selenium+xpath+ 手动输入登录

2. 实现的功能：

　　 1.手动登录后，按终端提示，就能下载所需要的内容

　

import requests
import json
import time
import random
from lxml import etree
from concurrent.futures import ThreadPoolExecutor
from selenium import webdriver

import pymongo

# 连接mongo 数据库
client = pymongo.MongoClient()
db = client.lougou
collention =db.lou

# 进入拉钩首页
url =‘https://www.lagou.com/‘
bro = webdriver.Chrome()

bro.get(url)

input(‘在登录页面手动登录后，按回车键：‘)

# 进入了自己登录页面
#  找到收缩框
search_input = bro.find_element_by_id(‘search_input‘)

# 找到搜索按钮
search_button = bro.find_element_by_id(‘search_button‘)

# 输入你需要搜索的职位
search_msg = input(‘请输入你要搜索的职位：‘)

# 在输入框自动填入搜索内容
search_input.send_keys(search_msg)

# 自动点击搜索按钮
search_button.click()


def get_data():
    ‘‘‘
    提取页面数据

    将数据存入 mongo 数据库
    ‘‘‘
    time.sleep(1)

    # 获取页面内容
    page=bro.page_source
    time.sleep(2)

    tree = etree.html(page)

    li_list =tree.xpath("//ul[@class=‘item_con_list‘]/li")

    for li in li_list:
        item={}

        item[‘title‘] =li.xpath(‘.//h3/text()‘)[0]  # 职位标题
        item[‘position_link‘] = li.xpath(".//a[@class=‘position_link‘]/@href")[0] # 职位详情链接
        item[‘addr‘] = li.xpath(".//span[@class=‘add‘]/em/text()")[0].strip()  # 公司区域
        item[‘money‘] = li.xpath(".//div[@class=‘li_b_l‘]/span/text()")[0]  # 岗位工资
        item[‘work_year‘] = li.xpath(".//div[@class=‘p_bot‘]/div[@class=‘li_b_l‘]//text()") #
        item[‘work_year‘] = [i.strip() for i in item[‘work_year‘] if i.strip()]
        item[‘work_year‘] =item[‘work_year‘][1]  # 工作经历
        item[‘company_name‘] = li.xpath(".//div[@class=‘company_name‘]/a/text()")[0]  # 公司名字
        item[‘industry‘] = li.xpath(".//div[@class=‘industry‘]/text()")[0].strip()  # 公司所属行业


        print(item)
        # 将数据存到MongoDB 中

        collention.insert(item)


get_data()

# 翻页下载该搜索也的所有页的数据
while 1:

    try:
        # 下一页
        next =bro.find_element_by_xpath(‘//span[@class="pager_next "]‘)
        next.click()

        get_data()

    except :

        print(‘没有下一页了。。。。。‘)

        break


# 进入循环 ，实现 用户再次 输入 不同职位进行下载该类职位的信息  ，用户可以按 q 或 Q 退出下载
while 1:

    keyword_input = bro.find_element_by_id(‘keyword‘) # 搜索框
    submit_btn = bro.find_element_by_id(‘submit‘) # 搜索按钮

    # 清空输入搜索框的内容
    keyword_input.clear()

    # 重新进行搜索
    msg2 =input(‘请输入你要下载的职位信息：‘)

    # 退出循环条件，退出下载
    if msg2.upper()==‘Q‘:
        break

    keyword_input.send_keys(msg2)
    # 点击搜索
    submit_btn.click()
    
    # 下载该页面的数据
    get_data()

    while 1:

        try:
            # 下一页
            next =bro.find_element_by_xpath(‘//span[@class="pager_next "]‘)
            next.click()
            
            # 进入下一页，进行下载该页的数据
            get_data()

        except :

            print(‘没有下一页了。。。。。‘)

            break

# 关闭数据库
client.close()

# 关闭浏览器

bro.quit()

代码

 　　2. 你第一次输入的职位下载完会提醒你，你可以再次下载你所需要的其他职位的数据

 3. 数据保存在了 mongo中，此处没有做扩展，存文件或其他数据库