Python简单爬虫获取岗位招聘人数

复制代码
#encoding=utf-8
import selenium
import selenium.webdriver
import re
import time

# pip install selenium
# 需要下载火狐浏览器的 webdriver 驱动放到 d:/python27目录下,即python的安装目录
def getnumberbyname(searchname):
    url = "https://search.51job.com/list/040000,000000,0000,00,9,99," + searchname + ",2,1.html?lang=c&stype=&postchannel=0000&workyear=99&cotype=99&degreefrom=99&jobterm=99&companysize=99&providesalary=99&lonlat=0%2C0&radius=-1&ord_field=0&confirmdate=9&fromType=&dibiaoid=0&address=&line=&specialarea=00&from=&welfare="
    # 模拟打开网页
    driver = selenium.webdriver.Firefox()
    driver.get(url)
    pagesource = driver.page_source
    # 打印抓取网页
    # print pagesource
    restr = """<div class="rt">([\s\S]*?)</div>"""
    # restr = '<div class="rt">(\\d+)</div>'
    regex = re.compile(restr, re.IGNORECASE)
    mylist = regex.findall(pagesource)
    # 去掉空格
    newstr = mylist[0].strip()
    # print newstr
    
    # 再次匹配抓取的数据
    restr2="""(\\d+)"""
    regex2 = re.compile(restr2, re.IGNORECASE)
    mylist = regex2.findall(newstr)
    driver.close()
    # print mylist[0]
    return mylist[0]


jobs = ['python', 'python 数据', 'python 运维', 'python web', 'linux 运维']
for work_name in jobs:
    print work_name, getnumberbyname(work_name)
复制代码

 

posted @   reblue520  阅读(403)  评论(0编辑  收藏  举报
编辑推荐:
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
· Linux系列:如何用 C#调用 C方法造成内存泄露
阅读排行:
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
· 单元测试从入门到精通
· 上周热点回顾(3.3-3.9)
· winform 绘制太阳,地球,月球 运作规律
点击右上角即可分享
微信分享提示