- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我想从网站http://www.jobs.ch
抓取内容。结果应该是一个脚本,我可以在其中指定工作术语,例如业务分析师并获得标题中包含该名称的所有工作。我认为我应该使用多步骤方法,首先从每个页面收集所有匹配的链接,存储它们,然后提取职位描述。
这是实现这一目标的可能方法吗?或者我是否还需要使用selenium,因为该网站位于react.js 中?
这是我的脚本的开始:
from bs4 import BeautifulSoup
import urllib2
jobsFile = urllib2.urlopen("http://www.jobs.ch/en/vacancies/?term=business+analyst")
jobsHtml = jobsFile.read()
jobsFile.close()
soup = BeautifulSoup(jobsHtml)
jobsAll = soup.find_all("a")
for links in soup.find_all('a'):
print (links.get('href'))
控制台的输出:
python jobplatform.py
/Library/Python/2.7/site-packages/bs4/__init__.py:181: UserWarning:
No parser was explicitly specified, so I'm using the best available
HTML parser for this system ("lxml"). This usually isn't a problem,
but if you run this code on another system, or in a different virtual
environment, it may use a different parser and behave differently.
The code that caused this warning is on line 8 of the file
jobplatform.py. To get rid of this warning, change code that looks
like this:
BeautifulSoup([your markup])
to this:
BeautifulSoup([your markup], "lxml")
markup_type=markup_type))
None
/en/
/en/login/
/en/register/
/en/vacancies/
/en/companies/
http://www.jobs.ch/en/sucheBerater.php
http://www.jobs.ch/en/tipps
http://www.jobs.ch/en/ecom/
/de/stellenangebote/?term=business
/fr/offres-emplois/?term=business
/en/vacancies/?term=business
/en/vacancies/
None
None
None
None
/en/vacancies/?page=1&term=business&web-results=1
None
None
/en/companies/79912-bayer-business-services-gmbh/
/en/vacancies/detail/7376115/?source=vacancy_search
/en/companies/79912-bayer-business-services-gmbh/
/en/companies/48196-kotra-korea-business-center/
/en/vacancies/detail/7397077/?source=vacancy_search
/en/companies/48196-kotra-korea-business-center/
/en/companies/66172-diwisa-distillerie-willisau-sa/
/en/vacancies/detail/7363589/?source=vacancy_search
/en/companies/66172-diwisa-distillerie-willisau-sa/
/en/companies/2859-paul-scherrer-institut/
/en/vacancies/detail/7359642/?source=vacancy_search
/en/companies/2859-paul-scherrer-institut/
/en/companies/49314-pit-offices-gmbh/
/en/vacancies/detail/7344672/?source=vacancy_search
/en/companies/49314-pit-offices-gmbh/
/en/companies/27786-zuehlke-engineering-ag/
/en/vacancies/detail/7176356/?source=vacancy_search
/en/companies/27786-zuehlke-engineering-ag/
/en/companies/1802-six-payment-services-ag/
/en/vacancies/detail/7396870/?source=vacancy_search
/en/companies/1802-six-payment-services-ag/
/en/companies/49420-mettler-toledo-gruppe/
/en/vacancies/detail/7384998/?source=vacancy_search
/en/companies/49420-mettler-toledo-gruppe/
/en/companies/16414-partners-group/
/en/vacancies/detail/7279253/?source=vacancy_search
/en/companies/16414-partners-group/
/en/companies/4005-johnson-johnson/
/en/vacancies/detail/7397184/?source=vacancy_search
/en/companies/4005-johnson-johnson/
/en/companies/44340-amgen/
/en/vacancies/detail/7359993/?source=vacancy_search
/en/companies/44340-amgen/
/en/companies/1802-six-payment-services-ag/
/en/vacancies/detail/7357631/?source=vacancy_search
/en/companies/1802-six-payment-services-ag/
/en/companies/16649-fritschi-unternehmensberatung-gmbh/
/en/vacancies/detail/7369054/?source=vacancy_search
/en/companies/16649-fritschi-unternehmensberatung-gmbh/
/en/companies/19002-hays-schweiz-ag/
/en/vacancies/detail/7389632/?source=vacancy_search
/en/companies/19002-hays-schweiz-ag/
/en/companies/5977-canon-schweiz-ag/
/en/vacancies/detail/7236919/?source=vacancy_search
/en/companies/5977-canon-schweiz-ag/
/en/companies/40039-vorwerk-international-strecker-co/
/en/vacancies/detail/7374142/?source=vacancy_search
/en/companies/40039-vorwerk-international-strecker-co/
/en/companies/2263-zuercher-kantonalbank/
/en/vacancies/detail/7299359/?source=vacancy_search
/en/companies/2263-zuercher-kantonalbank/
/en/companies/10673-accenture/
/en/vacancies/detail/6664788/?source=vacancy_search
/en/companies/10673-accenture/
/en/companies/38308-addexpert-gmbh/
/en/vacancies/detail/7386047/?source=vacancy_search
/en/companies/38308-addexpert-gmbh/
/en/companies/1802-six-swiss-exchange-ag/
/en/vacancies/detail/7357633/?source=vacancy_search
/en/companies/1802-six-swiss-exchange-ag/
/en/vacancies/?page=1&term=business
/en/vacancies/?page=2&term=business
/en/vacancies/?page=3&term=business
/en/vacancies/?page=4&term=business
/en/vacancies/?page=5&term=business
/en/vacancies/?page=6&term=business
/en/vacancies/?page=124&term=business
/en/vacancies/?page=2&term=business
None
http://jobcloud.ch/c/en/about/
http://jobcloud.ch/c/en/about/
http://jobcloud.ch/c/en/about/team/
http://jobcloud.ch/c/en/we-are-jobcloud/
None
http://www.jobs.ch/en/newest.php
http://www.jobs.ch/en/info.php?info=agb
http://www.jobs.ch/en/info.php?info=pp
None
http://jobcloud.ch/c/en/products/international-recruiting/
/en/
http://www.jobs.ch/en/sitemap.php
http://jobcloud.ch/c/en/about/contact/
http://jobcloud.ch/
http://www.facebook.com/jobs.ch
http://twitter.com/jobs_ch
http://www.xing.com/company/jobcloudag
http://www.youtube.com/jobspunktch
http://plus.google.com/113239437813300663024/
http://www.flickr.com/photos/jobsag
最佳答案
正如 @Teemu Risikko 评论中所述,您可以使用 dryscrape 或 selenium。这是使用 dryscrape 的解决方案:
from bs4 import BeautifulSoup
import dryscrape
my_url = "http://www.jobs.ch/en/vacancies/?term=business+analyst"
session = dryscrape.Session()
session.visit(my_url)
response = session.body()
soup = BeautifulSoup(response)
jobsAll = soup.find_all("a")
for links in soup.find_all('a'):
print (links.get('href'))
使用 dryscrape 的解决方案非常简单,但安装软件包可能很棘手(使用 qt <=55)...
关于python - 使用 BeautifulSoup 和 Python 抓取 Javascript 网页,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42394621/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!