Python3爬取前程无忧招聘数据教程
前几天，我发表了一篇名为《 基于Python|“数据分析岗位”招聘情况分析！ 》 （此为超链接，可以跳转） 的文章，看到这篇文章的时候，小伙伴们很是羡慕。文章来自群友 易某某 的投稿，在此表示感谢！
原文链接：https://blog.csdn.net/weixin_42572590/article/details/103443213
“我们也想要数据集进行数据处理与分析，最终结果可视化，但是苦于没有数据集。严小样儿你的数据集能给我一份吗？”
授人以鱼不如授人以渔，今天，严小样儿直接教大家爬取招聘数据集，代码详细，粘贴后run一下就出结果，数据集有了，想怎么分析怎么分析。一起来看看吧~
目录
1、背景介绍
2、爬取数据保存到txt文件
（1）网页分析
（2）代码编写
（3）最终结果
3、爬取数据保存到excel文件
（1）代码编写
（2）最终结果
1、背景介绍
近几年掀起了一股Python风，各大网站、公众号等都在宣传和力挺Python。我开始挺抗拒的，别人越是这么说，我就偏不这么干。后面…由于毕设需要使用Python…结果，嗯！真香！！
好了，言归正传。本文主要爬取前程无忧大数据类相关职位的一些基本信息：岗位名称、公司名称、工作地点、薪资以及岗位发布时间。对于我们这种新生，爬取这种还是比较有成就感的。
2、爬取数据保存到txt文件
（1）网页分析
进入前程无忧招聘网站，搜索大数据，就会出现如下图1所示：
图1 前程无忧数据类招聘页面
我们进入到这个网站后，需要关注两个地方，一是观察此网页的网址，二是查看此网页的源码。具体见下图2和图3：
图2 网址分析
根据图2我们可以分析出：前程无忧分页的规律，我们分页爬取只要修改这里的数字即可！
图3 源代码分析
根据图3我们可以分析出要想爬取我们想要的数据，就要分析这些数据在网页里面的规律，以此来写出正则表达式。
根据图3我们可以写出其正则表达式为：
1 pat='(.*?).*?(.*?).*?(.*?)'
（2）代码编写
通过前面的网页分析，我们已经发现网址规律，已经发现正则表达式规律。下面，我们就可以开始书写代码爬取数据啦！
1#爬取前程无忧Python数据--写进.txt文件
2import urllib.request
3import re
4
5#获取源码
6def get_content(page):
7 url='https://search.51job.com/list/000000,000000,0000,00,9,99,%25E5%25A4%25A7%25E6%2595%25B0%25E6%258D%25AE,2,'+str(page)+'.html?lang=c&postchannel=0000&workyear=99&cotype=99°reefrom=99&jobterm=99&companysize=99&ord_field=0&dibiaoid=0&line=&welfare='
8 html = urllib.request.urlopen(url).read().decode("GBK","ignore")#打开网址
9 return html
10
11
12#读取此网页里面的内容并把正则表达式匹配的数据提取出来
13def get(html):
14 pat='(.*?).*?(.*?).*?(.*?)'
15 #pat=' （3）最终结果
3、爬取数据保存到excel文件
前面的分析都是一模一样，唯一不同的就是代码有点区别！
（1）代码编写
1#爬取前程无忧Python数据--创建并写进excel文件
2import urllib.request
3import re
4import xlwt #用来创建excel文档并写入数据
5
6#获取源码
7def get_content(page):
8 url='https://search.51job.com/list/000000,000000,0000,00,9,99,%25E5%25A4%25A7%25E6%2595%25B0%25E6%258D%25AE,2,'+str(page)+'.html?lang=c&postchannel=0000&workyear=99&cotype=99°reefrom=99&jobterm=99&companysize=99&ord_field=0&dibiaoid=0&line=&welfare='
9 html = urllib.request.urlopen(url).read().decode("GBK","ignore")#打开网址
10 return html
11
12#读取此网页里面的内容并把正则表达式匹配的数据提取出来
13def get(html):
14 pat='(.*?).*?(.*?).*?(.*?)'
15 rst=re.compile(pat,re.S).findall(html)
16 return rst
17
18#爬取到的内容写入excel表格
19def excel_write(rst,index):
20 for item in rst:
21 for i in range(0,5):
22 ws.write(index,i,item[i]) #行，列，数据
23 print(index)
24 index += 1
25
26newTable="D:/Test/data/data1.xls" #表格名字
27wb = xlwt.Workbook(encoding='utf-8') #创建excel文件，声明编码
28ws = wb.add_sheet('sheet1') #创建表格
29headData = ['招聘职位','公司','地址','薪资','日期'] #表头信息
30for colnum in range(0,5):
31 ws.write(0,colnum,headData[colnum],xlwt.easyxf('font:bold on')) #行，列
32
33for each in range(1,10):
34 index = (each-1) * 50 + 1
35 excel_write(get(get_content(each)),index)
36wb.save(newTable)
37print('程序运行结束！')
（2）最终结果
看到这儿，很多小伙伴会说，数据集有了，可是不知道怎么分析啊？！严小样儿贴心地告诉你两种方法：
查看头条文章，内有Excel+Tableau教程；
链接送上，传送门祝你成功。
传送门1：基于Python|“数据分析岗位”招聘情况分析！
传送门2：日常答疑|Python向量化操作、矩阵运算
传送门3：分组排序求前三？TopN问题？一文教你MySQL各类排序操作
--END--
（扫码关注我，带你玩转数据分析）
读完、看完，点在看~