这是个开放式的问题。我需要浏览一个求职网站,搜索职位描述标签和技能要求(我已经完成了)。我基本上想知道,我如何在网站上爬行?就像在,从测试网站到测试等等。。。。??基本上,抓取页面。在
这是我在页面中搜索的代码。我需要找到所有可能的网页在网站和获得链接。这不是家庭作业。我只是在一旁。。。在
import urllib2
import re
html_content = urllib2.urlopen('http://www.ziprecruiter.com/job/Systems- Engineer/b5452eab/?source=customer-cpc-indeed').read()
matchDescription = re.findall('Bachelor', html_content);
matchSkill = re.findall('VMware', html_content);
print matchDescription
print matchSkill
if ( len(matchDescription) and len(matchSkill) )== 0:
print 'I did not find anything'
else:
print 'My string is in the html'
考虑使用
Scrapy
或其他一些现有的抓取框架。否则,您需要使用lxml
或其他HTML解析器手动查找必要的链接,并使用基于urllib
或类似的手动机制以及一些数据结构来存储输入和输出数据。在相关问题 更多 >
编程相关推荐