关于R爬虫的

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

试着爬招聘信息网站，遇到个问题
某网站工作信息里工作经验/学历要求的代码如下

1. <div class="t1">
   
2.    <span class="sp4">
   
3.       <em class="i1"></em>
   
4.       2年经验
   
5.    </span>
   
6.    <span class="sp4">
   
7.       <em class="i2"></em>
   
8.       本科
   
9.    </span>
   
10. ……

复制代码

工作经验和学历要求的class相同，不过em段（应该对应的拾工作经验和学历要求的图标）的class不同，实际上后面还有i3/i4对应语言年龄等
如果单独爬取这个页面的内容(比如工作经验)的话，我现在知道的是用

1. read_html(url) %>% html_nodes('div.t1') %>% html_nodes('span.sp4') %>% '['(1) %>% html_text()

复制代码

不过问题在于要爬很多工作页面，而有些页面可能只有学历要求的字段，工作经验字段没有，我对span.sp4段简单的选择[1][2][3]得到的肯定会出问题，比如这个页面%>% '['(1) 得到工作经验，如果某个页面没有经验要求只有学历要求我用%>% '['(1)得到的就是学历要求的属性。
而em的class属性和工作经验等内容是一一对应的不会出错。所以想问下，有没有什么方法利用 <em class="i1">这里的clss属性的定位上一层的<span class="sp4">？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：工作经验 招聘信息 学历要求 信息网 爬虫 定位

可以参考一下《基于R语言的自动数据收集》，里面有，好久不看忘了。

可否把网站贴出来