本次爬取的网页是猎聘网内关于深圳的所有招聘信息，一共400多个职位，并保存为csv文件存储，好了，话不多说，开始进入讲解。（对爬虫感兴趣的，可以参考此篇文章的做法去爬你想要的网站去吧！！！）
首先打开目标网站：
页面信息如下（因为招聘信息是动态，可能你的界面的职位会有所不同）
我们按F12进入开发者界面：
点击元素旁边的类似鼠标的按钮，如下：
然后就可以在原网页点击我们想要获取的标签，之后就会显示该标签对应的html代码
比如点击工作名称：双语解说员，然后右边就会帮我们找到对应的源代码。
接着我们分析上下代码，发现该所有职位的代码都在
所有我们可以找到包含这些职位代码的上一个标签，即
故代码可以写成 all_job = html.find("ul", class_="sojob-list").find_all("li")
这样我们就定位到这个工作列表下，下面所有操作都是从这里面去查询，我们用一个循环遍历每个
用find方法可以让网页解析器一直查询，直到查到对应的标签下停止，这里我们可以定位到
该标签下就是我们要爬取的东西
爬取工作名实现：name = date.find("a", target="_blank").text.strip()
再打开<p class="condition clearfix>标签，爬取地区，薪水，对应的网站，学历
因此
爬取地区实现：area = date.find("a", class_="area").text
爬取薪水实现**：salary = date.find("span", class_="text-warning").text**
爬取网站实现**：url = date.find("a", class_="area")["href"]**
爬取学历实现**：edu = date.find("span", class_="edu").text**
最后我们再用一个循环去让网站的url发生变化，也就是网站最后面的数字就是该网页的页数，如下：
最后再通过两行命令，将结果保存为csv文件即可
爬取结束！！
查看结果：
附上完整代码：
import requests
import bs4
import pandas as pd
result = {"jobname": [], # 工作名
"area": [], # 地区
"salary": [], # 薪水
"url": [], # 网址
"edu":[] #学历
}
for i in range(11):
url = "www.liepin.com/zhaopin/?co…" + str(i)
print(url)
r = requests.get(url)
html = bs4.BeautifulSoup(r.text, "html.parser")
all_job = html.find("ul", class_="sojob-list").find_all("li")
for date in all_job:
name = date.find("a", target="_blank").text.strip()
area = date.find("a", class_="area").text
salary = date.find("span", class_="text-warning").text
url = date.find("a", class_="area")["href"]
edu = date.find("span", class_="edu").text
result["jobname"].append(name)
result["area"].append(area)
result["salary"].append(salary)
result["url"].append(url)
result["edu"].append(edu)
df = pd.DataFrame(result)
df.to_csv("shenzhen_Zhaopin.csv", encoding="utf_8_sig")
PS：如遇到解决不了问题的小伙伴可以加点击下方链接自行获取
