当前位置：首页 > news >正文

招不到人？用C语言采集系统批量采集简历

news 2025/8/4 3:25:05

虽说现在大环境不太好，很多人面临着失业再就业风险，包括企业则面临着招人人，找对口专业难得问题。想要找到适合自己公司的人员，还要得通过爬虫获取筛选简历才能从茫茫人海中找到公司得力干将。废话不多说，直接开整。

在这里插入图片描述

1、导入所需的库：

import requests
from bs4 import BeautifulSoup
import re

这行代码导入了requests库，该库用于向网站发出HTTP请求；BeautifulSoup库，该库用于解析HTML文档；re库，该库用于处理正则表达式。

2、设置代理信息：

proxy_host = 'www.duoip.cn'
proxy_port = 8000
proxy = {'http': 'http://{}:{}'.format(proxy_host, proxy_port),'https': 'https://{}:{}'.format(proxy_host, proxy_port)'获取免费ip：jshk.com.cn/mb/reg.asp?kefu=xjy&csdn)
}

这行代码定义了代理的主机名和端口号，并将它们存储在proxy字典中。然后，我们使用format()函数将这些值拼接为代理URL。

3、发出HTTP请求：

response = requests.get('https://www.zhaopin.com/', proxies=proxy)

这行代码使用requests.get()函数向www.zhaopin.com发送GET请求。 proxies参数指定了代理服务器。

4、解析HTML文档：

soup = BeautifulSoup(response.text, 'html.parser')

这行代码使用BeautifulSoup库解析response.text（即HTTP响应的文本内容）。

5、获取招聘信息的HTML元素：

job_info = soup.find_all('div', attrs={'class': 'job-item'})

这行代码使用BeautifulSoup库的find_all()函数查找所有class为’job-item’的div元素（即招聘信息的HTML元素）。

6、循环遍历招聘信息：

for info in job_info:job_title = info.find('h2', attrs={'class': 'job-title'}).textcompany_name = info.find('span', attrs={'class': 'company'}).textlink = info.find('a')['href']print('职位名称：', job_title)print('公司名称：', company_name)print('链接：', link)print('-------------------------')

这行代码循环遍历job_info列表中的每一个元素，并使用find()函数查找职位名称、公司名称和链接。text参数用于获取元素的文本内容，而[‘href’]参数用于获取链接。然后，我们打印出这些信息。

7、整个爬虫程序的运行：

if __name__ == '__main__':proxy_host = 'www.duoip.cn'proxy_port = 8000proxy = {'http': 'http://{}:{}'.format(proxy_host, proxy_port),'https': 'https://{}:{}'.format(proxy_host, proxy_port)}response = requests.get('https://www.zhaopin.com/', proxies=proxy)soup = BeautifulSoup(response.text, 'html.parser')job_info = soup.find_all('div', attrs={'class': 'job-item'})for info in job_info:job_title = info.find('h2', attrs={'class': 'job-title'}).textcompany_name = info.find('span', attrs={'class': 'company'}).textlink = info.find('a')['href']print('职位名称：', job_title)print('公司名称：', company_name)print('链接：', link)print('-------------------------')