爬取拉勾网招聘信息并使用xlwt存入Excel

发表: 2017-10-17 浏览: 2398

Python

xlwt 1.3.0
xlwt 文档
xlrd 1.1.0
文档pdf下载
python操作excel之xlrd

1.Python模块介绍 - xlwt ，什么是xlwt？

Python语言中，写入Excel文件的扩展工具。
相应的有扩展包xlrd，专门用于excel读取。
可以实现指定表单、指定单元格的写入。

2.xlwt使用

导入模块

import xlwt

创建workbook,即创建excel,后来要进行保存

workbook = xlwt.Workbook(encoding = 'utf-8')

创建表

worksheet = workbook.add_sheet('My Worksheet',cell_overwrite_ok=True)  ##第二参数用于确认同一个cell单元是否可以重设值。

往单元格内写入内容

worksheet.write(0, 0, label = 'Row 0, Column 0 Value')

保存

workbook.save('Excel_Workbook.xls')

增加单元格内容

write_merge(x, x + m, y, y + n, string, sytle) 

 

# x表示行，y表示列，m表示跨行个数，n表示跨列个数，string表示要写入的单元格内容，style表示单元格样式。其#中，x，y，w，h，都是以0开始计算的。 

#这个和xlrd中的读合并单元格的不太一样。

 

add_sheet #如果需要创建多个sheet，则只要f.add_sheet即可

注意：

python2.X 版本下，使用xlwt扩展包。
python3.X 版本下，需要更新到xlwt3扩展包。

3.xlwt模块使用实例

#代码来自code.py40.com

import xlwt

 

def write_excel():

    f = xlwt.Workbook() #创建工作簿

 

    sheet1 = f.add_sheet(u'sheet1',cell_overwrite_ok=True) #创建sheet

    row0= [u'编号',u'姓名',u'性别',u'生日']

    

    #生成第0行

    for i in range(0,len(row0)):

        sheet1.write(0,i,row0[i])

 

    row1 = [u'1',u'张三',u'男']

    row2 = [u'2',u'李四',u'女']

    date = '1990-01-04'

 

    #生成第一行

    for i in range(0,len(row1)):

        sheet1.write(1,i,row1[i])

 

    #生成第二行

    for i in range(0,len(row2)):

        sheet1.write(2,i,row2[i])

 

    #写入合并的单元格数据1990-01-04

    sheet1.write_merge(1,2,3,3,date)

 

    f.save(r'E:\python\learn\demo1.xls') #保存文件

 

#python写入Excel文档

if __name__ == '__main__':  

    #generate_workbook()  

    #read_excel()  

    write_excel()

4.enumerate()说明

enumerate()是python的内置函数
enumerate在字典上是枚举、列举的意思
对于一个可迭代的（iterable）/可遍历的对象（如列表、字符串），enumerate将其组成一个索引序列，利用它可以同时获得索引和值
enumerate多用于在for循环中得到计数

5.爬取拉勾网招聘信息并通过xlwt存入Excel

1.分析拉勾网网页结构及数据

通过浏览器自带的开发者工具查看是通过Post方式提交的，数据是通过Ajax（异步加载）得到的

查看每个岗位对应的链接

成功找到我们想要抓取的数据

伪造cookie，请求头

代码如下：

#-*- coding:utf-8 -*-

created 2017.9.12



import json

import requests

import xlwt

import time

from lxml import etree



#解决编码的问题

import sys

reload(sys)

sys.setdefaultencoding('utf-8')



#获取存储职位信息的json对象，遍历获得公司名、福利待遇、工作地点、学历要求、工作类型、发布时间、职位名称、薪资、工作年限

def get_json(url,datas):





    my_headers = {

        'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.75 Safari/537.36',

        'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',

        'Host': 'www.lagou.com',

        'Origin': 'https://www.lagou.com',

        'Referer': 'https://www.lagou.com/jobs/list_python?city=%E4%B8%8A%E6%B5%B7&cl=false&fromSearch=true&labelWords=&suginput=',

    }

    cookies = {

        'Cookie': 'user_trace_token=20170824135842-485287de-8891-11e7-a544-525400f775ce; LGUID=20170824135842-48528e05-8891-11e7-a544-525400f775ce; JSESSIONID=ABAAABAAADEAAFI772FD1B9AABBF0C5553E874B0F860350; _putrc=B95D7C5E94F53DA8; login=true; unick=%E9%83%AD%E5%B2%A9; showExpriedIndex=1; showExpriedCompanyHome=1; showExpriedMyPublish=1; hasDeliver=3; PRE_UTM=; PRE_HOST=; PRE_SITE=; PRE_LAND=https%3A%2F%2Fwww.lagou.com%2F; _gat=1; TG-TRACK-CODE=index_search; SEARCH_ID=f0acbb8b2145433cb8fe7086f23be622; index_location_city=%E5%8C%97%E4%BA%AC; _gid=GA1.2.397092414.1504747009; Hm_lvt_4233e74dff0ae5bd0a3d81c6ccf756e6=1504756944,1504761486,1504783443,1504839029; Hm_lpvt_4233e74dff0ae5bd0a3d81c6ccf756e6=1504839719; _ga=GA1.2.1499897355.1503554319; LGSID=20170908105032-7b45520c-9440-11e7-8aae-525400f775ce; LGRID=20170908110159-14c6e1a8-9442-11e7-8ab1-525400f775ce'

    }

    time.sleep(8)

    content = requests.post(url=url,cookies=cookies,headers=my_headers,data=datas)

    # content.encoding = 'utf-8'

    result = content.json()

    print result

    info = result['content']['positionResult']['result']

    # print info

    info_list = []

    for job in info:

        information = []

        information.append(job['positionId']) #岗位对应ID

        information.append(job['companyFullName']) #公司全名

        information.append(job['companyLabelList']) #福利待遇

        information.append(job['district']) #工作地点

        information.append(job['education']) #学历要求

        information.append(job['firstType']) #工作类型

        information.append(job['formatCreateTime']) #发布时间

        information.append(job['positionName']) #职位名称

        information.append(job['salary']) #薪资

        information.append(job['workYear']) #工作年限

        info_list.append(information)

        #将列表对象进行json格式的编码转换,其中indent参数设置缩进值为2

        print json.dumps(info_list,ensure_ascii=False,indent=2)

        print info_list

    return info_list





def main():

    page = int(raw_input('请输入你要抓取的页码总数：'))

    # kd = raw_input('请输入你要抓取的职位关键字：')

    # city = raw_input('请输入你要抓取的城市：')





    info_result = []

    title = ['岗位id','公司全名','福利待遇','工作地点','学历要求','工作类型','发布时间','职位名称','薪资','工作年限']

    info_result.append(title)

    for x in range(1,page+1):

        url = 'https://www.lagou.com/jobs/positionAjax.json?&needAddtionalResult=false'

        datas = {

            'first': True,

            'pn': x,

            'kd': 'python',

            'city': '上海'

        }

        info = get_json(url,datas)

        info_result = info_result+info

        #创建workbook,即excel

        workbook = xlwt.Workbook(encoding='utf-8')

        #创建表,第二参数用于确认同一个cell单元是否可以重设值

        worksheet = workbook.add_sheet('lagouzp',cell_overwrite_ok=True)

        for i, row in enumerate(info_result):

            # print row

            for j,col in enumerate(row):

                # print col

                worksheet.write(i,j,col)

        workbook.save('lagouzp.xls')



if __name__ == '__main__':

    main()

运行程序

Excel数据展示

0 个评论

要回复文章请先登录或注册