投递简历总是石沉大海?HR表现的机会都不给你?【Python爬虫实战:简历模板采集】

工具准备

数据来源: 站长素材
开发环境:win10、python3.7
开发工具:pycharm、Chrome

在这里插入图片描述

项目思路解析

找到进入详情页面的超链接地址,以及对应简历的名字
提取出参数信息
在这里插入图片描述
使用xpath语法的时候需要注意网页源代码跟浏览器页面渲染的页面会有出入,提取数据需要根据网页源代码来提取

    html_data = etree.HTML(page) 
    a_list = html_data.xpath("//div[@class='box col3 ws_block']/a")  
    for a in a_list:
        resume_href = 'https:' + a.xpath('./@href')[0]  
        resume_name = a.xpath('./img/@alt')[0]  

进入详情页面
找到对应的详情页面的地址
提取对应rar的下载地址
在这里插入图片描述

        resume_tree = etree.HTML(resume_page)  
        resume_link = resume_tree.xpath('//ul[@class="clearfix"]/a/@href')[0]

简易源码分享

import requests  
from lxml import etree 


headers = {
    'User-Agent':
        'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:86.0) Gecko/20100101 Firefox/86.0',
}

for i in range(2, 10):
    url = f'https://sc.chinaz.com/jianli/free_{str(i)}.html'  # 设置相应的路由i

    response = requests.get(url=url, headers=headers)
    html_data = etree.HTML(response.text)
    a_list = html_data.xpath("//div[@class='box col3 ws_block']/a")
    for a in a_list:
        new_url = 'https:' + a.xpath('./@href')[0]
        name = a.xpath('./img/@alt')[0]
        res = requests.get(url=new_url)  # 进入简历模板详情页面
        resume_tree = etree.HTML(res.text)
        resume_url = resume_tree.xpath('//ul[@class="clearfix"]/a/@href')[0]
        result = requests.get(url=resume_url, headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:86.0) Gecko/20100101 Firefox/86.0'}).content  # 获取二进制数据
        path = './moban/' + name + '.rar'  
        with open(path, 'wb') as fp:  
            fp.write(result)  # 保存文件

posted @ 2021-09-20 15:40  白云吃辣条  阅读(93)  评论(0编辑  收藏  举报