帮我将以下代码写注释# coding=gbk # -- coding:uft-8 -- # BOSS直聘 import requests from time import sleep import csv def collect(page): url = f'https://www.zhipin.com/wapi/zpgeek/search/joblist.json' headers = { 'accept': 'application/json, text/plain, /', 'cookie': ck, 'referer': 'https://www.zhipin.com/web/geek/job?query=%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%BD%AF%E4%BB%B6&city=101190100', 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36', 'x-requested-with': 'XMLHttpRequest' } params = { 'scene': '1', 'query': '计算机软件', 'city': '100010000', 'experience': '', 'degree': '', 'industry': '', 'scale': '', 'stage': '', 'position': '', 'salary': '', 'multiBusinessDistrict': '', 'page': page, 'pageSize': '30' } res = requests.get(url=url, headers=headers, params=params).json() for li in res['zpData']['jobList']: jobName = li['jobName'] brandName = li['brandName'] cityName = li['cityName'] areaDistrict = li['areaDistrict'] businessDistrict = li['businessDistrict'] salaryDesc = li['salaryDesc'] jobExperience = li['jobExperience'] jobDegree = li['jobDegree'] skills = '/'.join(li['skills']) brandIndustry = li['brandIndustry'] welfareList = '/'.join(li['welfareList']) row = [jobName, brandName, cityName, areaDistrict, businessDistrict, salaryDesc, jobExperience, jobDegree, skills, brandIndustry, welfareList] print(row) csv.writer(open('BOSS直聘.csv', 'a', encoding='utf-8-sig', newline='')).writerow(row) if name == 'main': ck = '' csv.writer(open('BOSS直聘.csv', 'w', encoding='utf-8-sig', newline='')).writerow( ['jobName', 'brandName', 'cityName', 'areaDistrict', 'businessDistrict', 'salaryDesc', 'jobExperience', 'jobDegree', 'skills', 'brandIndustry', 'welfareList']) for p in range(10): p += 1 while True: try: collect(p) break except: ck = input('请输入cookie: ') print(f'page {p} finish!') sleep(5)

时间: 2023-08-20 13:45:22 浏览: 72
# coding=gbk # -- coding:utf-8 -- # BOSS直聘 import requests from time import sleep import csv # 定义函数collect,用于收集每一页的数据 def collect(page): # 设置请求的URL和headers url = f'https://www.zhipin.com/wapi/zpgeek/search/joblist.json' headers = { 'accept': 'application/json, text/plain, /', 'cookie': ck, # 这里的ck需要用户输入 'referer': 'https://www.zhipin.com/web/geek/job?query=%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%BD%AF%E4%BB%B6&city=101190100', 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36', 'x-requested-with': 'XMLHttpRequest' } # 设置请求的params参数 params = { 'scene': '1', 'query': '计算机软件', 'city': '100010000', 'experience': '', 'degree': '', 'industry': '', 'scale': '', 'stage': '', 'position': '', 'salary': '', 'multiBusinessDistrict': '', 'page': page, 'pageSize': '30' } # 发送请求并获取返回的JSON数据 res = requests.get(url=url, headers=headers, params=params).json() # 遍历每个职位信息,并将其写入CSV文件 for li in res['zpData']['jobList']: jobName = li['jobName'] brandName = li['brandName'] cityName = li['cityName'] areaDistrict = li['areaDistrict'] businessDistrict = li['businessDistrict'] salaryDesc = li['salaryDesc'] jobExperience = li['jobExperience'] jobDegree = li['jobDegree'] skills = '/'.join(li['skills']) brandIndustry = li['brandIndustry'] welfareList = '/'.join(li['welfareList']) row = [jobName, brandName, cityName, areaDistrict, businessDistrict, salaryDesc, jobExperience, jobDegree, skills, brandIndustry, welfareList] print(row) # 打印每个职位信息 csv.writer(open('BOSS直聘.csv', 'a', encoding='utf-8-sig', newline='')).writerow(row) # 将职位信息写入CSV文件 # 如果该脚本作为主程序运行,则从这里开始执行 if __name__ == 'main': ck = '' # 定义Cookie初始值为空 # 在CSV文件中写入表头 csv.writer(open('BOSS直聘.csv', 'w', encoding='utf-8-sig', newline='')).writerow( ['jobName', 'brandName', 'cityName', 'areaDistrict', 'businessDistrict', 'salaryDesc', 'jobExperience', 'jobDegree', 'skills', 'brandIndustry', 'welfareList']) # 循环收集前10页的职位信息 for p in range(10): p += 1 while True: try: collect(p) # 收集每一页的职位信息 break except: ck = input('请输入cookie: ') # 如果出现错误,需要用户重新输入Cookie print(f'page {p} finish!') # 打印完成一页的信息 sleep(5) # 暂停5秒,避免请求过于频繁

相关推荐

最新推荐

recommend-type

IEEE Std 802.15.4z-2020 IEEE Standard(原版非图片).pdf

IEEE Std 802.15.4z-2020 IEEE Standard for ...Abstract: This amendment enhances the UWB PHYs with additional coding options and improvements to increase the integrity and accuracy of ranging measurements.
recommend-type

图解系统-暗黑风格-小林coding-v1.0.pdf

小林coding写的图解系统,非常全面的介绍了操作系统相关知识,大量的图。
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

SPDK_NVMF_DISCOVERY_NQN是什么 有什么作用

SPDK_NVMF_DISCOVERY_NQN 是 SPDK (Storage Performance Development Kit) 中用于查询 NVMf (Non-Volatile Memory express over Fabrics) 存储设备名称的协议。NVMf 是一种基于网络的存储协议,可用于连接远程非易失性内存存储器。 SPDK_NVMF_DISCOVERY_NQN 的作用是让存储应用程序能够通过 SPDK 查询 NVMf 存储设备的名称,以便能够访问这些存储设备。通过查询 NVMf 存储设备名称,存储应用程序可以获取必要的信息,例如存储设备的IP地址、端口号、名称等,以便能
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

实现实时监控告警系统:Kafka与Grafana整合

![实现实时监控告警系统:Kafka与Grafana整合](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9BVldpY3ladXVDbEZpY1pLWmw2bUVaWXFUcEdLT1VDdkxRSmQxZXB5R1lxaWNlUjA2c0hFek5Qc3FyRktudFF1VDMxQVl3QTRXV2lhSWFRMEFRc0I1cW1ZOGcvNjQw?x-oss-process=image/format,png) # 1.1 Kafka集群架构 Kafka集群由多个称为代理的服务器组成,这
recommend-type

Windows 运行Python脚本

要在 Windows 上运行 Python 脚本,你需要先安装 Python。可以从官网下载 Python 安装包并按照提示进行安装。安装完成后,就可以在命令行中输入 `python` 命令,进入 Python 解释器环境。 接着,你可以编写 Python 脚本,保存为 `.py` 后缀的文件。在命令行中进入脚本所在的目录,输入 `python script.py` 命令来运行脚本。其中 `script.py` 是你的脚本文件名。 如果你想在 Windows 上运行一个 Python 程序,但不想打开命令行窗口,可以将脚本文件拖动到 Python 可执行文件 `python.exe` 上,