爬取拉勾网招聘信息并使用xlwt存入Excel

• xlwt 1.3.0
• xlwt 文档
• xlrd 1.1.0
• 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',u'张三',u'男']
    row2 = [u',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': 'User-Agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64) '
                      'AppleWebKit/537.36 (KHTML, like Gecko) '
                      'Chrome/60.0.3112.90 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