初学python，爬虫小项目

初学python看完基础教程后，利用从视频学来的知识，利用urllib2和BeautifulSoup库，在python2.7环境下编写一个小爬虫，爬取应届生求职网上西安的校招宣讲会信息。

代码如下：

# coding=utf-8
import urllib2
from bs4 import BeautifulSoup
urlstart='http://my.yingjiesheng.com/index.php/personal/xjhinfo.htm/?page='#为了方便翻页将网址代码分成两部分
urlend='&cid=&city=21&word=&province=0&schoolid=&sdate=&hyid=0'
for i in range(1,20):#从网站上直接获取页面个数
print '正在打印第'+str(i)
url=urlstart+str(i)+urlend#整理网站地址
request=urllib2.urlopen(url)#用urllib2打开网站
html=request.read()#读取网站代码
bs=BeautifulSoup(html,'html.parser',from_encoding='utf-8')#BeautifulSoup整理网站代码
alllist1=bs.find_all('tr',class_='bg0')#每一页的信息分为两个部分
alllist2=bs.find_all('tr',class_='bg1')
alllist=alllist1+alllist2#整理信息
for contenttd in alllist:
row=[]
mouth=contenttd.find('td',width="115").text#定位到宣讲时间字符位置
companyweb=contenttd.find('td',width='140').find('a').get('href')#定位到宣讲企业网站
if "http" not in companyweb:
companyweb="http://my.yingjiesheng.com/"+str(companyweb)#有些企业网站存在省略现象，鼠标放在网站上可以看到完整网站包含http://头部，对有省略的网址加上这一部分
companyname=contenttd.find('td',width='140').find('a').text#定位宣讲企业名字
xuexiao=contenttd.find('td',width='140').next_sibling.next_sibling.text#定位宣讲学校名字，这里第一个兄弟节点通常是空，所以再定位一次兄弟节点。具体可以看BeautifulSoup官方文档有解释
jiaoshi=contenttd.find('td',width='140').next_sibling.next_sibling.next_sibling.next_sibling.text#定位宣讲学校教室信息
row.append(mouth)
row.append(companyweb)
row.append(companyname)
row.append(xuexiao)
row.append(jiaoshi)
for j in range(0,len(row)):
print row[j]
#print row #打印以上信息，如果直接打印row,中文不会出现

第一次做出一个python的爬虫还是蛮有成就感的，这里谢谢@王大宝的CD博主提供的一些思路
这里还没有爬取到宣讲会时间，主要是由于时间便签采用的是img标签，还不知道怎么获取img标签的具体图片信息，欢迎赐教

这一次只是写了一个定向爬取静态网页的爬虫，下一步准备学习如何爬取动态网页，以及如何利用MongDB存储所爬数据