找网址其实不难，每个在class=t1里的a标签都有，但是如何把这个从新标签页里打开呢

在我不懈努力（厚颜无耻）的情况下，终于在csdn上找到了一个用js语言来打开标签的方法。

然后就简单啦，利用lxml里的etree来解析网页再用xpath提取，过程蛋疼了点就不上图了。

现在奉上代码，加了注释，免得以后自己都忘了自己写的啥o(*￣▽￣*)o

一些配置代码，起名为__init__放在同级目录下
localhost="localhost"
root="root"
password="123"
database="mytest"
use="use mytest"
url="https://www.51job.com/"
Table=input("please input the table name")
INPUT= str(input("please input the profession"))
p=input("please input the place you want")
page=int(input("please input the page you want"))
drop="drop table if exists %s"%Table
create="create table %s(position varchar(255) NOT NULL,company varchar(255),workplace varchar(255),salary varchar(255),dateline varchar(255),experience varchar(255),degree varchar(255),want varchar(255),url varchar(255))"%Table
savein="insert into "+str(Table)+"(position,company,workplace,salary,dateline,experience,degree,want,url) values(%s,%s,%s,%s,%s,%s,%s,%s,%s)"

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.common.keys import Keys
import pymysql
import time
from lxml import html
import random
from __init__ import *
etree=html.etree
class Qcwy():
def __init__(self):
self.conn = pymysql.connect(localhost, root, password, database) #初始化，连接资料库
self.cursor = self.conn.cursor()
self.cursor.execute(use) #选定资料库
self.cursor.execute(drop)
sql = create
self.cursor.execute(sql) #创建表
def start(self):
self.browser=webdriver.Chrome() #启动Chrome浏览器
self.browser.get(url) #获取网址：前程无忧
self.wait=WebDriverWait(self.browser,10)
input=self.wait.until(EC.element_to_be_clickable((By.ID,"kwdselectid")))
input.send_keys(INPUT) #输入查找的职位名
add=self.wait.until(EC.element_to_be_clickable((By.ID,"work_position_input")))
add.click()
time.sleep(1)
if self.browser.find_element_by_xpath(//*[@id="work_position_click_multiple_selected_each_120000"]/em):
cancel=self.browser.find_element_by_xpath(//*[@id="work_position_click_multiple_selected_each_120000"]/em).click()
time.sleep(1) #取消定位地点
#单个选择方法：
place=self.browser.find_element_by_xpath(//*[@id="work_position_click_center_right_list_000000"]//*[@class="js_more"]/em[contains(text(),"%s")]%p)
place.click() #选择地点
#多个选择方法暂无{{{(>_<)}}}
#随机选取5个方法：
# adds=browser.find_elements_by_xpath(//*[@data-navigation="000000"])
# slice=random.sample(adds,5)
# for s in slice:
# s.click()
ok=self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME,"p_but")))
ok.click()
button=self.wait.until(EC.element_to_be_clickable((By.XPATH,"/html/body/div[3]/div/div[1]/div/button")))
button.click() #职位查找完毕，准备开始爬取
def crawl(self):
time.sleep(1)
i=0
lists = self.browser.find_elements_by_xpath(//*[@class="el"]) #得到所有列表
for list in lists :
if i<page:
current=self.browser.current_window_handle
positions=self.browser.find_elements_by_class_name(t1)
companies=self.browser.find_elements_by_class_name(t2) #分类
workplaces=self.browser.find_elements_by_class_name(t3)
salaries=self.browser.find_elements_by_class_name(t4)
datelines=self.browser.find_elements_by_class_name(t5)
urls=self.browser.find_elements_by_xpath(//*[@id="resultList"]/div/p/span/a)
for position,company,workplace,salary,dateline,url in zip(positions,companies,workplaces,salaries,datelines,urls):
p=position.text #得到每个分类的字元串
c=company.text
w=workplace.text
s=salary.text
d=dateline.text
u=url.get_attribute(href) #得到url
js=window.open("%s")%u
self.browser.execute_script(js) #打开新标签页，前往职位具体信息
windows = self.browser.window_handles
self.browser.switch_to.window(windows[-1]) #切换标签页
htmlDiv=etree.HTML(self.browser.page_source)
experience=htmlDiv.xpath("/html/body/div[3]/div[2]/div[2]/div/div[1]/p[2]/text()[2]")
degree=htmlDiv.xpath("/html/body/div[3]/div[2]/div[2]/div/div[1]/p[2]/text()[3]")
want=htmlDiv.xpath("/html/body/div[3]/div[2]/div[2]/div/div[1]/p[2]/text()[4]") #得到具体信息
for e,de,wa in zip(experience,degree,want):
print(p + " ", c + " ", w + " ", s + " ", d + " ", e + " ", de + " ", wa + " ", u + " ") #输出所有信息
try:
self.cursor.execute(savein,(p,c,w,s,d,e,de,wa,u))
self.conn.commit() #存入资料库
except:
print("error")
self.browser.switch_to.window(current)
allchung=self.browser.window_handles #关闭除主页面的标签页
for handle in allchung:
if handle!=current:
self.browser.switch_to.window(handle)
self.browser.close()
self.browser.switch_to.window(current)
i=i+1
nextpage=self.wait.until(EC.element_to_be_clickable((By.LINK_TEXT,"下一页"))) #前往下一页
nextpage.click()
else:
self.browser.quit() #关闭浏览器
self.conn.close() #收工
if __name__=="__main__": #主方法
q=Qcwy()
q.start()
q.crawl()

最后做一个实站吧，还是爬在北京的Java工作，这回数据不会再错喽O(∩_∩)O

完成(o?v?)ノ

这样的话这个爬虫差不多就完工了，如果有条件的话，我会抽空加选择多个地点爬取的方法哦。

推荐阅读：