爬虫主要爬取一些国际组织的招聘岗位信息,解析一些招聘要求。其中只有MOHRSSjob为国内站点,测试动态ip的使用情况,效果较好。部分网站使用了splash进行解析,也写了phantomjs的解析示例。 若使用phantomjs需下载phantomjs.exe并放置于Script下
- Python 2.7
- scrapy
- scrapydo
- scrapy-splash
- selenium
- mysql
- bs4
- 下载源码:
git clone git@github.com:18010927657/Job.git
或者直接到https://github.com/18010927657/Job 下载zip文件
- 安装依赖:
pip install -r requirements.txt
- 配置settings:
# settings 为scrapy项目配置文件
# 配置DB
DB_CONNECT #修改mysql连接信息
# 配置 SPLASH_URL
本爬虫使用splash渲染js脚本,安装参考
##### [splash安装](http://www.jianshu.com/p/4052926bc12c)
....
- 启动:
# 如果你的依赖已经安全完成并且具备运行条件,可以直接在Job下运行main.py
# 到Run目录下:
>>>python main.py
1.alljob
DROP TABLE IF EXISTS `alljob`;
CREATE TABLE `alljob` (
`英文缩写` text,
`中文名称` text,
`所属洲` text,
`所在地` text,
`分类` text,
`主页url` text,
`招聘网址` text,
`岗位url` text NOT NULL,
`岗位名称` text NOT NULL,
`工作地点` text,
`职级` text,
`发布日期` text,
`截止日期` text,
`职位介绍` text,
`职能` text,
`技能` text,
`组织机构` text,
`包工方式` text,
`语言` text,
`初始合同时间` text,
`预计工作时间` text,
`联系人` text,
`是否全职` text,
`待遇` text,
`教育背景` text,
`附加的` text,
`工作经历` text,
`参考` text,
PRIMARY KEY (`岗位名称`(100),`岗位url`(100))
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
任何问题欢迎在Issues 中反馈,也可以发邮件到我的邮箱liuy_anhui@163.com。我看到会立即反馈
你的反馈会让此项目变得更加完美。