环境:python3 pycharm
模块:requests,xlwt,urllib.request,re
正常三步走:
1.获取源代码
2.匹配源代码,获得目标数据
3.存储到文件中
直接上代码,列举两种获取源代码的方式,存储3中文件的方式。自由选择即可。
第一个标红部分引号里面的是网站url,太长就不贴上去了。查找方式:百度前程无忧官网,搜索python,点击页面2,将地址栏的地址粘贴到单引号里面。找到2.html部分,将2替换成{}即可。
第二个标红部分得到数字,是想获得数据的页数,根据需求自己填。
#
import requests
import re #用于正则匹配
# import xlwt #excel表格需要用到import urllib.request
#1.用requests模块获取网页html源码
# def get_content(page):
# url = ‘‘.format(page)
# html = requests.get(url).content.decode(‘gbk‘)
# return html#1.用urllib模块获取源代码def get_content(page):
url = ‘‘.format(page) ------------1
html = urllib.request.urlopen(url).read().decode(‘gbk‘)
return html
#2.获取职位,薪资,公司名称def get_Data(html):
reg = re.compile(r‘class="t1 ".*?<a target="_blank" title="(.*?)".*?<span class="t2"><a target="_blank" ‘
r‘title="(.*?)".*?<span class="t3">(.*?)</span>.*?<span class="t4">(.*?)</span>.*?‘
r‘<span class="t5">(.*?)</span>‘,re.S)
items = re.findall(reg,html)
return items
#3.存储到.csv文件中def save_file_csv(items):
import csv
csv_file = open(‘job.csv‘, ‘w‘, newline=‘‘)
writer = csv.writer(csv_file)
writer.writerow((‘职位名称‘,‘公司名称‘,‘公司地址‘,‘薪资‘,‘日期‘))
for item in items:
writer.writerow(item)
#3.存储到excel表格中
# def save_file_excel(items):
# newTable = ‘jobs.xls‘
# wb = xlwt.Workbook(encoding=‘utf-8‘)#创建excel文件
# ws = wb.add_sheet(‘job‘)#去创建表
# headData = [‘职位名称‘,‘公司名称‘,‘公司地址‘,‘薪资‘,‘日期‘]
# index = 1
# for colnum in range(5):
# ws.write(0,colnum,headData[colnum],xlwt.easyxf(‘font:bold on‘))
# for item in items:
# for j in range(len(item)):
# ws.write(index,j,item[j])
# index += 1
# wb.save(newTable)#3.存储到txt文件中
# def save_file_txt(items):
# with open(‘job.txt‘,‘w‘) as f:
# for item in items:
# for j in range(len(item)):
# f.write(item[j])
# f.write(‘ ‘)
# f.write(‘n‘)if__name__ == ‘__main__‘:
for i in range(1,3): ---------------2
html = get_content(i)
items = get_Data(html)
save_file_csv(items)
原文:https://www.cnblogs.com/smart-zihan/p/9490835.html
【说明】:本文章由站长整理发布,文章内容不代表本站观点,如文中有侵权行为,请与本站客服联系(QQ:254677821)!