selenium 爬取拉勾网

本文介绍了一款使用Selenium和LXML的Python爬虫,用于从拉勾网抓取Python职位信息,包括职位名称、公司、薪资、城市、工作年限、学历要求及职位描述。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

from selenium import webdriver
from lxml import etree
import re
import time
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
class LagouSpider(object):
    driver_path = r"/home/charging/chromedriver"

    def __init__(self):
        self.driver = webdriver.Chrome(executable_path=LagouSpider.driver_path)
        self.url = "https://www.lagou.com/jobs/list_python?labelWords=&fromSearch=true&suginput="
        self.positions = []

    def run(self):
        self.driver.get(self.url)
        while True:
            source = self.driver.page_source   # 解析当前这一页
            WebDriverWait(driver=self.driver,timeout=10).until(EC.presence_of_all_elements_located((By.XPATH,
                                                            "//div[@class='pager_container']/span[@action='next']")))
            self.parse_list_page(source)
            # 找到当前这页中的'下一页'
            next_button = self.driver.find_element_by_xpath("//div[@class='pager_container']/span[@action='next']")
            # 判断是否为最后一页
            if 'pager_next pager_next_disabled' in next_button.get_attribute("class"):
                break
            else:
                # next_button.click()   # 该方法不可行
                self.driver.execute_script("arguments[0].click();", next_button)
            time.sleep(1)  # 避免爬取过快,爬取完每一页
    # 所有职位信息的连接列表
    def parse_list_page(self, source):
        html = etree.HTML(source)
        links = html.xpath("//a[@class='position_link']/@href")
        for link in links:   # 获取每个职位链接的集合
            self.request_detail_page(link)
            time.sleep(1)

    def request_detail_page(self, url):
        # self.driver.get(url)
        self.driver.execute_script("window.open('%s')"%url)
        self.driver.switch_to_window(self.driver.window_handles[1])
        WebDriverWait(self.driver, timeout=10).until(EC.presence_of_element_located((By.XPATH,"//div[@class='job-name']/h1[@class='name']")))
        source = self.driver.page_source   # 获取网页源码
        self.parse_detail_page(source)
        self.driver.close()     # 关闭当前详情窗口
        self.driver.switch_to_window(self.driver.window_handles[0])  # 切换到职位列表页
    # 获取详细信息
    def parse_detail_page(self, source):
        html = etree.HTML(source)   # 上一个方法 requests,传入response。text
        position_name = html.xpath
        # 获取职位名称
        position_name = html.xpath("//h1[@class='name']//text()")[0]
        # 获取职位地址/薪资/经验...
        job_request_spans = html.xpath("//dd[@class='job_request']//span")
        # 薪资
        salary = job_request_spans[0].xpath('.//text()')[0].strip()  # 取第一个元素后还需要解析 strip()取出字符串中空白
        # 城市
        city = job_request_spans[1].xpath('.//text()')[0].strip()  # /深圳 / 为了取出反斜杠和空格,正则表达式
        city = re.sub(r"[\s/]", "", city)  # 将空白符(空格/制表符)替换成空字符串
        # 工作年限
        work_years = job_request_spans[2].xpath('.//text()')[0].strip()
        work_years = re.sub(r"[\s/]", "", work_years)
        # 学历
        education = job_request_spans[3].xpath('.//text()')[0].strip()
        education = re.sub(r"[\s/]", "", education)
        # 公司
        company = html.xpath("//h3[@class='fl']//em/text()")[0].strip()
        # 职位描述
        job_desc = "".join(html.xpath("//dd[@class='job_bt']//text()")).strip()  # 返回的是一个列表,用join组合成一个字符串,进行规则排序

        # 将每个职位信息整合成一个字典
        position = {
            'name': position_name,
            'company': company,
            'salary': salary,
            'city': city,
            'work_year': work_years,
            'education': education,
            'job_desc': job_desc
        }
        # 将所有的字典追加到列表
        self.positions.append(position)
        print(position)
        print('-'*20)

def main():
    s = LagouSpider()
    s.run()


if __name__ == '__main__':
    main()
03-19
### IEEE 802.1Q VLAN Tagging Protocol Standard IEEE 802.1Q 是支持虚拟局域网(VLAN)的标准协议之一,通常被称为 Dot1q。该标准定义了一种用于以太网帧的 VLAN 标记系统以及交换机和桥接器处理这些标记帧的操作流程[^2]。 #### 协议结构概述 IEEE 802.1Q 的核心功能在于通过在以太网数据帧中插入特定字段来实现 VLAN 标签的功能。这种标签使得网络设备能够识别哪些流量属于哪个 VLAN,并据此执行转发决策。具体来说: - **Tag Header**: 在原始以太网帧头部增加了一个额外的 4 字节字段作为 VLAN 标签头。这四个字节包含了以下部分: - **Priority Code Point (PCP)**: 使用 3 比特表示优先级级别,范围从 0 到 7,主要用于 QoS 控制。 - **Canonical Format Indicator (CFI)**: 这是一个单比特位,在传统以太网环境中设置为零。 - **VLAN Identifier (VID)**: 使用 12 比特标识具体的 VLAN ID,理论上可以支持多达 4096 个不同的 VLAN(编号从 0 至 4095),其中某些特殊值保留给内部用途或管理目的。 #### 数据包处理机制 当一个带有 VLAN tag 的数据包进入支持 IEEE 802.1Q 的交换机时,它会依据此标签决定如何路由或者过滤该数据流。如果目标端口不属于同一 VLAN,则不会传输至其他无关联的物理接口上;反之亦然——只有相同 VLAN 成员之间才允许互相通信除非经过路由器跨网段访问[^1]。 此外,为了简化管理和配置过程并增强互操作性,还引入了一些辅助性的子协议和服务组件比如 GARP(通用属性注册协议)。GARP 可帮助分发有关 VLAN 成员资格的信息到各个连接节点以便动态调整其行为模式而无需频繁手动干预[^3]。 以下是创建带 VLAN TAG 的 Python 示例代码片段展示如何模拟构建这样的 Ethernet Frame: ```python from scapy.all import Ether, Dot1Q, IP, sendp def create_vlan_packet(src_mac="00:aa:bb:cc:dd:ee", dst_mac="ff:ff:ff:ff:ff:ff", vlan_id=100, src_ip="192.168.1.1", dst_ip="192.168.1.2"): ether = Ether(src=src_mac, dst=dst_mac) dot1q = Dot1Q(vlan=vlan_id) ip_layer = IP(src=src_ip, dst=dst_ip) packet = ether / dot1q / ip_layer return packet packet = create_vlan_packet() sendp(packet, iface="eth0") # Replace 'eth0' with your network interface name. ``` 上述脚本利用 Scapy 库生成包含指定源地址、目的地址及所属 VLAN 编号的数据报文并通过选定的网卡发送出去测试实际效果。
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