zkqiang / job-spider

多线程爬取互联网行业常用招聘网站

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

招聘网站爬虫

可爬取各大互联网行业常用招聘网站,采集职位主要信息输出到 csv 文件;
爬虫和文件写入独立两个进程,进程A对每个网站的爬虫启动多线程,每个爬虫以生成器方式迭代返回数据,通过队列传输给进程B进行写入;
注意:本爬虫仅供学习交流,请勿将爬取数据进行非法使用。

运行环境

  • Python 3
  • requests
  • lxml

运行方式

方法一:使用命令行参数
$ python3 run.py -j 后端 -c 北京

方法二:直接运行,根据提示输入参数
$ python3 run.py
请输入职业:后端
请输入城市:北京

配置

如果想自定义爬虫,可添加在spider.py末尾定义爬虫类,需要继承BaseSpider基类和关联SpiderMeta元类, 并且需要实现crawl方法迭代返回爬取数据,数据内容请参照已有爬虫类。

About

多线程爬取互联网行业常用招聘网站

License:Apache License 2.0


Languages

Language:Python 100.0%