[Python] scrapy + selenium 抓取51job 职位信息（实现传参控制抓取页数+职位名称+城市）

最新推荐文章于 2025-07-15 19:47:00 发布

霞露

最新推荐文章于 2025-07-15 19:47:00 发布

阅读量3.4k

点赞数 10

CC 4.0 BY-SA版权

分类专栏：数据挖掘数据分析爬虫 Python 文章标签： scrapy + selenium 抓取51job 职位信息

本文链接：https://blog.youkuaiyun.com/su_2018/article/details/89219215

本文介绍了使用Python的Scrapy和Selenium框架抓取51job网站上的职位信息，包括目标设定、网页分析和代码实现。在代码实现部分，作者分享了在城市选择上遇到的挑战和解决方案，以及代码优化，如字段格式调整、去除特殊空白字符等。最后，提到了如何在pipelines.py中定义存储方式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

3）用normalize-space(节点)去掉\r\n\t

4.pipelines.py 定义存储

一、目标

实现通过传参(职位和地区）控制抓取51job职位信息。

抓取内容包括：职位名称、薪资、招聘公司、福利待遇、城市区域、经验要求、学历要求、招工人数、招聘信息发布时间、公司地址、岗位职责、任职要求、公司性质、公司规模和招聘公司所在行业。

二、51job网页分析：

1.网页构成观察

搜索入口1：

搜索入口2：

抓取页面：

2.网页分析

搜索入口：

观察比较两个搜索入口，都可以输入职位名称和选取地区，而 https://search.51job.com/ 显然比首页更靠近抓取的信息，所以起始页面选择https://search.51job.com/

抓取内容：

获取每一个岗位链接，进入详情页抓取目标字段内容。

观察过详情页的内容后，将抓取字段确定为：

title：职位名称
salary：薪资
company: 公司名称
req(request): 招聘简介（包括城市区域、经验要求、招工人数和发布时间）
welfare: 福利
job_info: 职位信息（包括岗位职责和岗位要求（即任职要求））
contact_info: 公司地址
nature：公司性质
size：公司规模
industry: 公司行业

三、代码实现

1. 踩过的坑-----实现城市选择

尝试1：

原本想用selenium+click的方法实现.

通过观察源代码发现点击左边的大写城市首字母，右边的城市会对应更新，试着用selenium将左边首字母全部点击一边，将右边含有城市text的tr标签全部刷新出来。试图以text匹配传入的城市参数，如果匹配上就click该标签来实现城市的选择，（不得不说这是个很烂的想法，）失败了

尝试2：

试图通过setattribute()的方法更改表示城市的value值，也失败了

这次尝试的结果是value值可以更改，但是对于搜索来说不起作用

尝试3：

不气馁，继续找！！！

最终发现实际上起到决定作用的是这串阿拉伯数字的value值。虽然我本次只抓取北上广深四个城市的职位信息，找到这四个城市对应的数字代码自己建个dict就可以爬取了。但是还是想找找一劳永逸的方法~

最终找到一个这样的网址 https://m.51job.com/ ，看起来好像手机端的页面（忘记怎么找到的了，写文章的时候又回页面上去找，就是找不到……只能直接贴结果了。。。）

这个页面可以获取到所有城市对应的数字代码。

这个问题解决了，接下来的就水到渠成了！

2.代码实现

爬取所有城市对应数字代码，保存到本地csv中。只需要爬取一次就可以了，需要的时候可以用读取本地csv的方式使用。

def saveID():
    if os.path.exists('areaID.csv'): # 如果存在areaID.csv就停止执行此函数
        return
    else: # 如果不存在就爬取ID 并保存csv
        browser = webdriver.Chrome()
        url = 'https://m.51job.com/'
        browser.get(url)
        browser.refresh()