抓取job51上面的关于python职位的职位名称、公司名称、公司链接、工资、工作地点、是否是实习、员工待遇信息并存入数据库

时间: 2023-12-22 12:03:40 浏览: 25
好的,这个任务可以分为以下几步: 1. 确定需要抓取的网址和需要提取的信息; 2. 使用 Python 中的 requests 库请求网页内容; 3. 使用 BeautifulSoup 库解析 HTML 代码,并提取需要的信息; 4. 将提取的信息存入本地数据库中。 下面是具体的实现过程: 1. 首先我们需要打开 job51 的网站,搜索关于 Python 的职位,并复制搜索结果页面的网址。在本例中,我搜索了“Python”并筛选出了“全职”职位,得到的网址为:https://search.51job.com/list/010000,000000,0000,00,9,99,Python,2,1.html。 我们需要提取的信息有职位名称、公司名称、公司链接、工资、工作地点、是否是实习、员工待遇。根据网页结构,我们可以发现这些信息都包含在每个职位信息的一个 div 标签中,该标签的 class 属性为“el”。因此,我们可以通过查找所有 class 为“el”的 div 标签,进一步提取需要的信息。 2. 接下来,我们可以使用 requests 库发送 GET 请求,获取网页内容,并将其作为 BeautifulSoup 的输入。代码如下: ```python import requests from bs4 import BeautifulSoup url = "https://search.51job.com/list/010000,000000,0000,00,9,99,Python,2,1.html" r = requests.get(url) soup = BeautifulSoup(r.text, 'html.parser') ``` 3. 接下来,我们需要解析 HTML 代码,并提取需要的信息。根据页面结构,我们可以发现职位名称、公司名称、公司链接、工资、工作地点、是否是实习、员工待遇等信息都包含在每个 class 为“el”的 div 标签中。我们可以使用 find_all() 方法查找所有符合条件的标签,并使用其他方法进一步提取信息。代码如下: ```python jobs = soup.find_all('div', class_='el') for job in jobs: # 获取职位名称 job_name = job.find('a').text.strip() # 获取公司名称 company_name = job.find('span', class_='t2').text.strip() # 获取公司链接 company_url = job.find('span', class_='t2').find('a')['href'] # 获取工资 salary = job.find('span', class_='t4').text.strip() # 获取工作地点 location = job.find('span', class_='t3').text.strip() # 获取是否是实习 is_intern = job.find('span', class_='t5').text.strip() # 获取员工待遇 treatment = job.find('span', class_='t6').text.strip() # 将提取的信息打印出来 print(job_name, company_name, company_url, salary, location, is_intern, treatment) ``` 4. 最后,我们需要将提取的信息存入本地数据库中。这里我们可以使用 SQLite 数据库,代码如下: ```python import sqlite3 # 创建数据库连接并打开游标 conn = sqlite3.connect('job.db') cursor = conn.cursor() # 创建表 cursor.execute('''CREATE TABLE IF NOT EXISTS job (id INTEGER PRIMARY KEY AUTOINCREMENT, job_name TEXT, company_name TEXT, company_url TEXT, salary TEXT, location TEXT, is_intern TEXT, treatment TEXT)''') # 插入数据 for job in jobs: # 获取职位名称 job_name = job.find('a').text.strip() # 获取公司名称 company_name = job.find('span', class_='t2').text.strip() # 获取公司链接 company_url = job.find('span', class_='t2').find('a')['href'] # 获取工资 salary = job.find('span', class_='t4').text.strip() # 获取工作地点 location = job.find('span', class_='t3').text.strip() # 获取是否是实习 is_intern = job.find('span', class_='t5').text.strip() # 获取员工待遇 treatment = job.find('span', class_='t6').text.strip() # 将数据插入表中 cursor.execute("INSERT INTO job (job_name, company_name, company_url, salary, location, is_intern, treatment) \ VALUES (?, ?, ?, ?, ?, ?, ?)", (job_name, company_name, company_url, salary, location, is_intern, treatment)) # 提交并关闭连接 conn.commit() conn.close() ``` 这样,我们就可以完成抓取 job51 上关于 Python 职位的信息,并存入本地数据库的任务了。

相关推荐

最新推荐

recommend-type

解决Python3 抓取微信账单信息问题

主要介绍了Python3 抓取微信账单信息,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下
recommend-type

Python实现抓取HTML网页并以PDF文件形式保存的方法

主要介绍了Python实现抓取HTML网页并以PDF文件形式保存的方法,结合实例形式分析了PyPDF2模块的安装及Python抓取HTML页面并基于PyPDF2模块生成pdf文件的相关操作技巧,需要的朋友可以参考下
recommend-type

Python3实现抓取javascript动态生成的html网页功能示例

主要介绍了Python3实现抓取javascript动态生成的html网页功能,结合实例形式分析了Python3使用selenium库针对javascript动态生成的HTML网页元素进行抓取的相关操作技巧,需要的朋友可以参考下
recommend-type

python抓取并保存html页面时乱码问题的解决方法

主要介绍了python抓取并保存html页面时乱码问题的解决方法,结合实例形式分析了Python页面抓取过程中乱码出现的原因与相应的解决方法,需要的朋友可以参考下
recommend-type

Python3简单爬虫抓取网页图片代码实例

主要介绍了Python3简单爬虫抓取网页图片代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
recommend-type

藏经阁-应用多活技术白皮书-40.pdf

本资源是一份关于“应用多活技术”的专业白皮书,深入探讨了在云计算环境下,企业如何应对灾难恢复和容灾需求。它首先阐述了在数字化转型过程中,容灾已成为企业上云和使用云服务的基本要求,以保障业务连续性和数据安全性。随着云计算的普及,灾备容灾虽然曾经是关键策略,但其主要依赖于数据级别的备份和恢复,存在数据延迟恢复、高成本以及扩展性受限等问题。 应用多活(Application High Availability,简称AH)作为一种以应用为中心的云原生容灾架构,被提出以克服传统灾备的局限。它强调的是业务逻辑层面的冗余和一致性,能在面对各种故障时提供快速切换,确保服务不间断。白皮书中详细介绍了应用多活的概念,包括其优势,如提高业务连续性、降低风险、减少停机时间等。 阿里巴巴作为全球领先的科技公司,分享了其在应用多活技术上的实践历程,从早期集团阶段到云化阶段的演进,展示了企业在实际操作中的策略和经验。白皮书还涵盖了不同场景下的应用多活架构,如同城、异地以及混合云环境,深入剖析了相关的技术实现、设计标准和解决方案。 技术分析部分,详细解析了应用多活所涉及的技术课题,如解决的技术问题、当前的研究状况,以及如何设计满足高可用性的系统。此外,从应用层的接入网关、微服务组件和消息组件,到数据层和云平台层面的技术原理,都进行了详尽的阐述。 管理策略方面,讨论了应用多活的投入产出比,如何平衡成本和收益,以及如何通过能力保鲜保持系统的高效运行。实践案例部分列举了不同行业的成功应用案例,以便读者了解实际应用场景的效果。 最后,白皮书展望了未来趋势,如混合云多活的重要性、应用多活作为云原生容灾新标准的地位、分布式云和AIOps对多活的推动,以及在多云多核心架构中的应用。附录则提供了必要的名词术语解释,帮助读者更好地理解全文内容。 这份白皮书为企业提供了全面而深入的应用多活技术指南,对于任何寻求在云计算时代提升业务韧性的组织来说,都是宝贵的参考资源。
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

MATLAB矩阵方程求解与机器学习:在机器学习算法中的应用

![matlab求解矩阵方程](https://img-blog.csdnimg.cn/041ee8c2bfa4457c985aa94731668d73.png) # 1. MATLAB矩阵方程求解基础** MATLAB中矩阵方程求解是解决线性方程组和矩阵方程的关键技术。本文将介绍MATLAB矩阵方程求解的基础知识,包括矩阵方程的定义、求解方法和MATLAB中常用的求解函数。 矩阵方程一般形式为Ax=b,其中A为系数矩阵,x为未知数向量,b为常数向量。求解矩阵方程的过程就是求解x的值。MATLAB提供了多种求解矩阵方程的函数,如solve、inv和lu等。这些函数基于不同的算法,如LU分解
recommend-type

触发el-menu-item事件获取的event对象

触发`el-menu-item`事件时,会自动传入一个`event`对象作为参数,你可以通过该对象获取触发事件的具体信息,例如触发的元素、鼠标位置、键盘按键等。具体可以通过以下方式获取该对象的属性: 1. `event.target`:获取触发事件的目标元素,即`el-menu-item`元素本身。 2. `event.currentTarget`:获取绑定事件的元素,即包含`el-menu-item`元素的`el-menu`组件。 3. `event.key`:获取触发事件时按下的键盘按键。 4. `event.clientX`和`event.clientY`:获取触发事件时鼠标的横纵坐标
recommend-type

藏经阁-阿里云计算巢加速器:让优秀的软件生于云、长于云-90.pdf

阿里云计算巢加速器是阿里云在2022年8月飞天技术峰会上推出的一项重要举措,旨在支持和服务于企业服务领域的创新企业。通过这个平台,阿里云致力于构建一个开放的生态系统,帮助软件企业实现从云端诞生并持续成长,增强其竞争力。该加速器的核心价值在于提供1对1的技术专家支持,确保ISV(独立软件供应商)合作伙伴能获得与阿里云产品同等的技术能力,从而保障用户体验的一致性。此外,入选的ISV还将享有快速在钉钉和云市场上线的绿色通道,以及与行业客户和投资机构的对接机会,以加速业务发展。 活动期间,包括百奥利盟、极智嘉、EMQ、KodeRover、MemVerge等30家企业成为首批计算巢加速器成员,与阿里云、钉钉以及投资界专家共同探讨了技术进步、产品融合、战略规划和资本市场的关键议题。通过这次合作,企业可以借助阿里云的丰富资源和深厚技术实力,应对数字化转型中的挑战,比如精准医疗中的数据处理加速、物流智慧化的升级、数字孪生的普及和云原生图数据库的构建。 阿里云计算巢加速器不仅是一个技术支持平台,也是企业成长的催化剂。它通过举办类似2023年2月的集结活动,展示了如何通过云计算生态的力量,帮助企业在激烈的竞争中找到自己的定位,实现可持续发展。参与其中的优秀企业如神策和ONES等,都在这个平台上得到了加速和赋能,共同推动了企业服务领域的创新与进步。总结来说,阿里云计算巢加速器是一个集技术、资源和生态支持于一体的全方位服务平台,旨在帮助企业软件产业在云端绽放光彩。