Day1 Selenuim+urllib+正则表达式

知识点:

1,写爬虫不是一蹴而就的,要会单点测试

2,正则表达式不一定能够一级抓取,要学会二级抓取

3,urllib  只能抓一些普通的网站

作业:抓取51job的北上广深的Python岗位薪资情况

# encoding:utf-8
import selenium
from selenium import webdriver #模拟浏览器
import re

def getnumbername(number):
    url = "https://search.51job.com/list/0"+number+"0000,000000,0000,00,9,99,python,2,1.html?lang=c&stype=&postchannel=0000&workyear=99&cotype=99&degreefrom=99&jobterm=99&companysize=99&providesalary=99&lonlat=0%2C0&radius=-1&ord_field=0&confirmdate=9&fromType=&dibiaoid=0&address=&line=&specialarea=00&from=&welfare="
    driver = selenium.webdriver.Firefox()  # 调用火狐浏览器
    driver.get(url)
    pagesource = driver.page_source  # 抓取网页源代码
    restr = """<span class="t4">([\s\S]*?)</span>"""
    regex = re.compile(restr, re.IGNORECASE)
    mylist = regex.findall(pagesource)

    for newstr in mylist:
        new_1=newstr.strip()

        print new_1
        new_2=new_1[:-3]
        yes=new_2.split("-")
        #print yes[0],yes[1]不好使
        for ye in yes:
            print ye
    driver.close()

    return mylist[0]

#pythonlist=["1","2","3"]
#city=["北京","上海","深圳"]
i=0
pythonlist=["1"]
city=["北京"]
for pystr in pythonlist:
    print city[i]
    getnumbername(pystr)
    i+=1

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值