爬虫数据解析，简历模板下载！想收我Q，不存在的！

 

目标网址

下载该网站提供的简历模板： https://sc.chinaz.com/jianli/free.html

 

代码

基础代码：第一页模板下载

import requests
from lxml import etree

if __name__ == '__main__':
    headers = {
        'User-Agent': 'Mozilla / 5.0(Windows NT 6.1; Win64; x64) AppleWebKit / 537.36(KHTML, like Gecko) Chrome / 86.0.4240.198  Safari / 537.36'
    }
    # 免费下载链接
    url = 'https://sc.chinaz.com/jianli/free.html'
    page_text = requests.get(url=url, headers=headers)
    # 解决中文乱码
    page_text.encoding = page_text.apparent_encoding
    page_text = page_text.text
    # 实例化一个etree对象
    tree = etree.HTML(page_text)
    # 分析网页结构，获取div
    div_list = tree.xpath('//*[@id="container"]/div')

    for div in div_list:
        # 获取a标签的href属性值
        href = div.xpath('./a/@href')[0]
        # 拼接每一页对应的简历下载链接
        href = 'https:' + href
        # 获取每一页的模板名称
        resume_name = div.xpath('./p/a/text()')[0]
        # 每一页的单个模板发起get请求
        resume_page_text = requests.get(url=href, headers=headers).text
        # 重新实例化一个etree对象
        tree_resume = etree.HTML(resume_page_text)
        # 获取模板页面中的下载链接
        download_href = tree_resume.xpath('//div[@class="down_wrap"]/div[2]/ul/li/a/@href')[0]
        # 对模板链接发起get请求
        rar_data = requests.get(url=download_href, headers=headers).content
        # 数据存放路径
        outfile_path = './page1/' + resume_name + '.rar'
        # 将响应数据以二进制存储
        with open(outfile_path, 'wb') as fw:
            fw.write(rar_data)

结果： PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

python免费学习资料以及群交流解答点击即可加入

 

代码优化：分页操作 跳过

#跳过