Python_51job案例分析

import csv
import time

import requests
import re # 正则表达式 内置模块，不用安装
import json
import pprint # 可视化输出 按照一定格式输出

f = open('51job.csv',mode='a',encoding='ANSI',newline='')
csv_writer = csv.DictWriter(f,fieldnames=['职位信息','城市','基本信息','学历要求','公司名称','公司类型','公司规模','公司性质','公司福利','职位薪资','发布日期','职位详情'])
csv_writer.writeheader() # 写入表头

for page in range(1,10):
    # 1.发送请求
    url = f'https://search.51job.com/list/000000,000000,0000,00,9,99,python,2,{page}.html?lang=c&postchannel=0000&workyear=99&cotype=99&degreefrom=99&jobterm=99&companysize=99&ord_field=0&dibiaoid=0&line=&welfare='
    time.sleep(20)
    # 构建请求头
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/104.0.5112.81 Safari/537.36 Edg/104.0.1293.47'
    }

    response = requests.get(url = url,headers=headers)
    # 2.获取数据 获取响应体文本数据 response.text
    # 动态网页 response.json()获取json字典数据
    # 保存下载图片 视频 音频 获取响应体二进制数据 response.content
    # print(response.text)
    # 3.解析数据
    # json数据直接解析 re正则表达式 css选择器 xpath
    # () 精确匹配 匹配括号内想要的内容 去头window.__SEARCH_RESULT__ = 去尾 </script> 只要中间(.*?)
    # findall 查找所有 从response.text当中匹配
    html_data = re.findall('window\.__SEARCH_RESULT__ = (.*?)</script>',response.text)[0]
    # print(html_data) # 正则表达式提取出的内容返回的是列表
    # 把字符串数据转成json字典数据
    json_data = json.loads(html_data)
    # 格式化输出 使用pprint模块调用pprint方法
    # pprint.pprint(json_data)
    # 解析json数据，和字典取值相同，根据键值对取值，冒号左边的内容(键) 提取 冒号右边的内容(值)
    search_result = json_data['engine_jds']
    # for遍历 提取search_result列表中的每一个元素
    for index in search_result :
        # pprint.pprint(index)
        # break
        title = index['job_name'] # 职位名称
        city = index['workarea_text']
        attribute_text = index['attribute_text'] # 基本信息
        degree = attribute_text[-1]
        # 列表转字符串
        job_info = '|'.join(attribute_text) # | 采用| 隔开
        company_name = index['company_name']
        company_text = index['companyind_text']
        company_size_text = index['companysize_text']
        company_type_text = index['companytype_text']
        job_welf = index['jobwelf']
        providesalary_text = index['providesalary_text']
        updatedate = index['updatedate']
        job_href = index['job_href']

        dit = {
            '职位信息' : title,
            '城市' : city,
            '基本信息' : attribute_text,
            '学历要求' : degree,
            '公司名称' : company_name,
            '公司类型' : company_text,
            '公司规模': company_size_text,
            '公司性质': company_type_text,
            '公司福利': job_welf,
            '职位薪资': providesalary_text,
            '发布日期': updatedate,
            '职位详情': job_href
        }
        print(dit)
        csv_writer.writerow(dit)