采集场景

在国聘网招聘搜索页(https://www.iguopin.com/job), 输入关键词搜索(示例中的搜索关键词为【运营】),搜索后得到招聘信息列表页。点击职位链接,进入职位详情页,采集详情页数据,并在列表页自动翻页采集。

 

采集字段

岗位名称、位置、薪资范围、性质、经验要求、学历要求、招聘企业、报名截止时间、专业要求、行业要求、职位介绍等。

 

 

采集结果

采集结果可导出为Excel、CSV、HTML、数据库等多种格式。导出为Excel示例:

 

 

采集步骤

步骤一、打开网页

步骤二、批量输入关键词并筛选条件

步骤三、建立【循环-点击元素】,进入每个职位的详情页

步骤四、提取职位详情页中的字段

步骤五、编辑字段

步骤六、创建【循环翻页】,采集多页数据

步骤七、启动采集

 

以下为具体步骤:

 

步骤一、打开网页

 

在首页【输入框】中输入目标网址 https://www.iguopin.com/job,点击【开始采集】,八爪鱼自动打开网页。

 

特别说明:

a. 打开网页后,如果开始开始【自动识别】,请点击【不再自动识别】或【取消识别】将其关掉。因为本文不适合使用【自动识别】。

b. 【自动识别】适用于自动识别网页上的列表、滚动和翻页,识别成功后直接启动采集即可获取数据。详情点击查看 【自动识别】教程

 

步骤二、批量输入关键词并筛选条件

 

1、输入关键词并搜索

  1.  点击页面上的搜索输入框
  2. 点击操作提示内:【输入文本】,然后点击:【批量输入文本】
  3.  隔行输入文本,即一行一个关键词,如(可根据实际需要修改输入的文本):

          运营

           it

  4. 勾选【输入回车键Enter】,并点击确定

 

选中搜索框,在操作提示框中点击【输入文本】,输入要搜索的职位或公司,如【爬虫工程师】、【python工程师】等。

选中【搜索】按钮,在操作提示框中点击【点击该元素】,出现搜索结果列表页。

 

 2、筛选条件

  1.  点击页面中展开下拉框位置,如:'学历要求'
  2. 在黄色操作提示框中点击【点击一次】
  3. 再对所需筛选条件进行点击,如:‘本科’
  4. 在黄色操作提示框中点击【点击一次】

如其他下拉框或筛选条件需配置,则重复以上点选操作配置对应点击步骤。

 

 

步骤三、建立【循环列表】,并提取所需字段

 1、建立【循环列表】

通过以下几步,实现循环点击每个职位链接,进入职位详情页

① 选中页面上第1个职位列表项,需预选到包含全部字段

②选中页面上第2个职位列表项,需预选到与第一个列表项一致大小 

③ 在黄色操作提示框中,点击【文本内容】,以确认循环列表配置

 

 

2、提取所需字段

① 删除配置循环列表生成的冗杂字段

②在第一个列表项,点击所需采集的字段

③ 在黄色操作提示框中,点击【文本内容】,以确认字段采集配置

 

 

 

特别说明:

a. 经过以上连续3步,【循环-点击元素】创建完成。【循环】中的项,对应着页面上所有职位链接。启动采集以后,八爪鱼就会按照循环中的顺序依次点击每个职位链接,进入情页,以采集每个职位的具体数据。 

b. 为何通过以上3步,可建立【循环-点击元素】?详情点击查看 采集点击多个链接后的详情页数据教程 。

 

步骤四、配置进入详情页,并提取详情页中的字段

1、配置进入详情页

 因循环列表已创建,进入详情页仅需对第一个列表项的标题配置点击一次的步骤即可。

① 点击标题

②在黄色操作提示框中,点击【点击一次】,以确认进入详情页配置

③在高级设置中勾选打开新标签页

 

2、提取详情页字段

进入详情页后,手动提取我们需要采集的字段。

① 点击所需采集的字段

② 在黄色操作提示框中,点击【文本内容】,以确认字段采集配置

 

 

如需采集详情页的页面网址

进入【提取数据】设置页面,点击 【+】 按钮,

选择【添加当前网页信息】-【网址】,然后保存

 

 

步骤五、创建【循环翻页】,采集多页数据

 

如果只是采集一页数据,可跳过此步骤。

 

如果需要翻页以采集多页数据:

点击规流程图里的【循环列表】,让页面返回到上一级页面。选择页面中控制翻页的按钮【>】,在操作提示上单击【循环点击下一页】,创建【循环翻页】。

 

 

 

特别说明:

a. 创建【循环翻页】后,八爪鱼会自动点击【下一页】按钮进行翻页,从第1页,第2页......直到最后1页。如果只需采集特定页的数据,可在八爪鱼中设置循环翻页的次数,详情点击查看  翻页以采集多页数据教程

 

步骤六、规则优化

 

 1、优化列表页采集步骤

①点击【点击元素1】,修改元素XPath为://div[@title="本科"],以精准点击本科条件,可以根据筛选条件需要,修改双引号内文本。

②点击【点击元素3】,修改元素XPath为://div[@title="3天内"],以精准点击3天内更新时间,可以根据筛选条件需要,修改双引号内文本。

③对筛选条件部分的所有点击步骤设置1s执行前等待时长

④对筛选条件部分的所有点击步骤设置3s的Ajax加载时长

⑤点击【循环列表1】框架,点击高级设置,设置2s等待时长

 

 

 

 2、优化详情页采集步骤

①点击【点击元素4】,因该网站进入详情页为打开新标签类型,需勾选【在新标签中打开】,并设置Ajax加载时长为5s

②点击【提取数据】步骤,点击【纵向字段布局】按钮

因每个详情页该区域的标签描述排版不一致,为精准提取所需字段数据,修改字段XPath,

如:

报名截止时间字段→XPath://span[contains(string(),'报名截止时间')]/../span[3]

专业要求字段→XPath://span[contains(string(),'专业要求')]/../span[3]

行业要求字段→XPath://span[contains(string(),'行业要求')]/../span[3]

特别说明:

如需提取该区域其他字段,可按此修改精准定位

③点击高级设置,设置2s执行前等待时长

 

 

 3、优化输入关键词步骤

①点击循环列表框架,点击高级设置,设置等待时长2s

②点击输入文本步骤,点击高级设置,设置执行前等待1s

③因网站输入框异常,点击页面输入框位置,黄色提示框内配置点击一次步骤,将该步骤拖拽至【组合输入文本】步骤前

 

 

 

特别说明:

什么是XPath?如何写一条正确的XPath?点击查看 XPath学习与实例教程 。

 

步骤七、启动采集

 

1、点击【采集】并【启动本地采集】。启动后八爪鱼开始自动采集数据。

 

2、采集完成后,选择合适的导出方式来导出数据。支持导出为Excel,CSV,HTML,数据库等。这里导出为Excel。

 

示例数据: