python2使用bs4爬取腾讯社招过程解析

 更新时间:2019年08月14日 10:08:50   作者:silence-cc  
这篇文章主要介绍了python2使用bs4爬取腾讯社招过程解析,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

目的:获取腾讯社招这个页面的职位名称及超链接 职位类别 人数 地点和发布时间

要求:使用bs4进行解析,并把结果以json文件形式存储

注意:如果直接把python列表没有序列化为json数组,写入到json文件,会产生中文写不进去到文件,所以要序列化并进行utf-8编码后写入文件。

# -*- coding:utf-8 -*-
import requests
from bs4 import BeautifulSoup as bs
import json
url = 'https://hr.tencent.com/position.php?'
params = {
  'start':'10'
}
headers = {
  'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
}
# 获取腾讯社招某个页面的页面源码
html = requests.get(url, params = params, headers = headers).text
# 创建soup对象,使用lxml解析器
soup = bs(html,'lxml')
# 选取类名为odd和even的tr标签
result1 = soup.select('tr[class="odd"]')
result2 = soup.select('tr[class="even"]')
# 列表拼接 l = [1,2] + [3,4],则列表l为[1,2,3,4]
result = result1 + result2
# 把数据存放在列表里面,列表的每个元素都为一个字典
l = []
data = {}
for item in result:
  # 获取标签的文本内容
  job = item.find_all('a')[0].get_text().encode('utf-8')
  category = item.find_all('td')[1].get_text().encode('utf-8')
  number = item.find_all('td')[2].get_text().encode('utf-8')
  address = item.find_all('td')[3].get_text().encode('utf-8')
  public_time = item.find_all('td')[4].get_text().encode('utf-8')
  # 获取标签的属性值
  link = item.find_all('a')[0].attrs['href']
  fulllink = ('https://hr.tencent.com/' + link).encode('utf-8')
  data['job'] = job
  data['category'] = category
  data['number'] = number
  data['address'] = address
  data['public_time'] = public_time
  data['fulllink'] = fulllink
  l.append(data)
  # 原来中文写不到文件里面的报错原因,没把python列表序列化为json数组
  # with open('tencent.json','a') as f:
  #  f.write(str(data) + '\n')
# 方法1存储数据,上面字典的值不用先进行utf-8编码
# 把数据以json文件形式存储
# f = open('tencent.json','a')
# 把python列表序转化为json对象。本地操作常用的是load dump。网络操作常用的loads dumps,而loads常用来把json格式转化为python格式,dumps把python格式序列为json格式
# dictdata = json.dumps(l,ensure_ascii=False)
# 把json对象写入json文件
# f.write(dictdata.encode('utf-8'))
# f.close()

# 把数据存入tencent.json文件内
json.dump(l,open('tencent.json','a'),ensure_ascii=False)

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。

相关文章

  • Django项目实战之用户头像上传与访问的示例

    Django项目实战之用户头像上传与访问的示例

    这篇文章主要介绍了Django项目实战之用户头像上传与访问的示例,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2018-04-04
  • Python获取、格式化当前时间日期的方法

    Python获取、格式化当前时间日期的方法

    在本篇文章里小编给大家整理的是关于Python获取、格式化当前时间日期的方法,对此有需要的朋友们可以学习参考下。
    2020-02-02
  • Python实现嵌套列表去重方法示例

    Python实现嵌套列表去重方法示例

    人生苦短,早用Python。python可以说2017比较火的一个语言了,下面这篇文章主要给大家介绍了关于利用Python实现嵌套列表去重的相关资料,文中通过示例代码介绍的非常详细,需要的朋友可以参考借鉴,下面来一起看看吧。
    2017-12-12
  • python变量作用域与列表入门详解

    python变量作用域与列表入门详解

    这篇文章主要给大家介绍了关于python变量作用域与列表的相关资料,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,需要的朋友们下面随着小编来一起学习学习吧
    2021-03-03
  • Python自然语言处理词汇分析技术实战

    Python自然语言处理词汇分析技术实战

    这篇文章为大家介绍了Python自然语言处理词汇分析技术实战,主要对词汇分析进行介绍,一些语言方面的基础知识(词性、词语规范化),有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪<BR>
    2024-01-01
  • python通过邮件服务器端口发送邮件的方法

    python通过邮件服务器端口发送邮件的方法

    这篇文章主要介绍了python通过邮件服务器端口发送邮件的方法,涉及Python发送邮件的相关技巧,非常具有实用价值,需要的朋友可以参考下
    2015-04-04
  • Python matplotlib实现散点图的绘制

    Python matplotlib实现散点图的绘制

    Matplotlib作为Python的2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。本文将利用Matplotlib库绘制散点图,感兴趣的可以了解一下
    2022-03-03
  • 利用Python判断文件的几种方法及其优劣对比

    利用Python判断文件的几种方法及其优劣对比

    任何的编程语言都离不开文件操作,文件操作主要是帮助我们更好的创建打开文件,读取文件中的内容、或是把我们想要保存的内容写入文件中、或是管理文件目录等等,下面这篇文章主要给大家介绍了关于利用Python判断文件的几种方法及其优劣对比的相关资料,需要的朋友可以参考下
    2022-06-06
  • Python网页解析利器BeautifulSoup安装使用介绍

    Python网页解析利器BeautifulSoup安装使用介绍

    这篇文章主要介绍了Python网页解析利器BeautifulSoup安装使用介绍,本文用一个完整示例一步一步安装了BeautifulSoup的安装和使用过程,需要的朋友可以参考下
    2015-03-03
  • Python 使用和高性能技巧操作大全

    Python 使用和高性能技巧操作大全

    这篇文章主要介绍了Python 使用和高性能技巧总结,对一些python易混淆的操作进行对比,不少 Python 的用户是从以前 C/C++ 迁移过来的,这两种语言在语法、代码风格等方面有些不同,本节简要进行介绍,需要的朋友可以参考下
    2022-01-01

最新评论