Python extraction information test

Article directory

1. Extract table-shaped files from the document

1.1 Description

1. The test link is: https://wenku.baidu.com/view/efd468c75fbfc77da269b13e.html?rec_flag=default
2. Parsing method: BeautifulSoup
3. Extraction steps: Extract table data by rows

1.2 Website screenshots

Insert image description here

1.3 Output results

1、输出网页纯文本----------------------------------------
参会人员名单 - 百度文库
      
序号所在系部姓  名签  到
1科技专家咨询小组刘白2科技专家咨询小组王文利3科技专家咨询小组任仙怡4科技专家咨询小组柳伟5科技专家咨询小组张平安6科技专家咨询小组陈永清7科技专家咨询小组贺敬凯8科技专家咨询小组雷国琼9科技专家咨询小组高潮10科技专家咨询小组贺小凤11科技专家咨询小组
蒋方纯12院办陈  璐13党委办公室肖  赞14学生处程建伟15新校区建设办公室
张  建16招标办王校辉17软件工程系梁永生18软件工程系张宗平19软件工程系但唐仁20
软件工程系
李华忠
参会人员名单
关于作者
                    ohvoohph
                
                    文库新人
                
文档
1177
粉丝
1
等级
Lv1
关注
            个人主页

2. Extract the form from the attached document

1. The test link is: http://www.offcn.com/jiaoshi/2021/0714/458245.html
2. Analysis method: BeautifulSoup
3. Extraction steps: There is no plan yet, try it first

2.1 Extract only the text

It can be seen that the xlsx and xls files are not obtained and are only expressed in text form.

2021年连云港市教育局直属学校公开招聘教师228人岗位表已发布，报名时间：2021年7月19日09:00--7月21日16:00。
点击下载>>>
连云港市教育局直属学校公开招聘教师岗位表.xlsx
连云港市教育局直属学校公开招聘教师选岗表.xls
(一)资格条件
1.具有中华人民共和国国籍，遵守中华人民共和国宪法和法律，拥护中国共产党领导和社会主义制度。具备良好的品行。具备适应岗位要求的身体条件。
2.年龄在18周岁以上、35周岁以下(即1985年8月1日至2003年7月31日之间出生)。依法退出现役的退役军人应聘，可放宽至40周岁;对年龄有特殊要求的，以《岗位表》中写明的为准，年龄计算方法不变。
3.具备《岗位表》中岗位要求的资格条件。其中，“专业”条件按《江苏省2021年度考试录用公务员专业参考目录》(附件3)设置。
4.资格条件中的学历指国民教育序列学历。具有国(境)外学历的应聘人员须提供教育部留学服务中心出具的国(境)外学历认证材料。
5.资格条件中的“2021年毕业生”指在2021年毕业并已取得学历证书，且仍无工作单位的人员。其中，能够提供《毕业生就业推荐表》(原件)的普通高校毕业生，取得学历证书的日期可放宽至2021年12月31日;国(境)外同期毕业人员，取得学历证书的日期可适当放宽，但须在2021年12月31日前完成教育部留学服务中心学历认证。
2019年和2020年普通高校毕业生，若仍未落实工作单位，其档案关系仍保留在原毕业学校，或保留在各级毕业生就业主管部门(毕业生就业指导服务中心)、人才交流服务机构和公共就业服务机构的，以及国(境)外同期毕业且已完成学历认证但仍未落实工作单位的人员，可应聘面向2021年毕业生岗位。
参加基层服务项目的人员，如参加服务项目前无工作经历，服务期满且考核合格后2年内的，可应聘面向2021年毕业生岗位。
以普通高校应届毕业生应征入伍服义务兵的人员，退役后1年内的，可应聘面向2021年毕业生岗位。
6.具有与应聘岗位相符合的教师资格证书，其中：应聘jyj049-jyj057岗位的人员，教师资格证暂不作要求，但须在聘用之日起3年内取得中职及以上教师资格证;应聘其他岗位的人员，受疫情影响，暂未取得教师资格证书的，可持在有效期内的中小学教师资格考试合格证明或笔试合格成绩(即“中小学教师资格考试NTCE成绩”，小学、中职教师资格为两科笔试成绩，初中、高中教师资格为三科笔试成绩)报名应聘，但在办理聘用手续前须取得相应教师资格证书。
7.资格条件中工作年限指周年，截止时间计算到2021年8月31日，须提供相关证明材料。
8.本次公开招聘的全部岗位均没有户籍限制。
9.取得祖国大陆普通高校学历的台湾学生和取得祖国大陆承认学历的其他台湾居民应聘时按国家和江苏省的有关规定执行。
(二)有下列情形之一的，请不要报名应聘：
1.现役军人或国民教育序列普通高校在读非2021届毕业生。
2.与事业单位负责人员有夫妻关系、直系血亲关系、三代以内旁系血亲关系或者近姻亲关系等亲属关系的，不得应聘事业单位的组织(人事)、纪检监察、审计财务岗位;与现有在岗人员存在上述关系的，不得应聘到岗后形成直接上下级领导关系的管理类岗位，以及《事业单位人事管理回避规定》明确应当回避的岗位。
3.《江苏省事业单位公开招聘人员办法》(苏办发〔2020〕9号)于2020年3月13日起施行，根据其后发布的事业单位公开招聘人员公告，被聘用到江苏省地方各类事业单位的在编(在册)人员。
4.2021年8月31日前，5年服务期未满的新录用公务员，或有规定(含协议明确)不得解聘离开工作单位(岗位)的人员，或国家和省另有规定不得应聘到事业单位的人员。
以上就是2021年连云港市教育局直属学校公开招聘教师228人岗位表，报名时间：2021年7月19日09:00--7月21日16:00。
2021年连云港市教育局直属学校公开招聘教师228人岗位表
 
(责任编辑：张建平)
THE END
 
声明：本站点发布的来源标注为“中公教育”的文章，版权均属中公教育所有，未经允许不得转载。
岗位表
江苏教师招聘
连云港教师招聘

2.2 Extract links in the text

There are too many links involved in the web page. The results are as follows. There are many more. Not all are screenshots.
Insert image description here

2.3 Targeted extraction

The link containing the table can be obtained through the keyword "table", which is relatively one-sided.

linklst = []
for x in soup.find_all('a', href=re.compile('表')):
    link = x.get('href')
    if link:
        linklst.append(link)

for x in linklst:  # 验证：循环打印出linklist列表中的链接
    print(x)

Insert image description here

http://files.offcn.com/2021/0713/连云港市教育局直属学校公开招聘教师岗位表m.xlsx
http://files.offcn.com/2021/0713/连云港市教育局直属学校公开招聘教师选岗表m.xls

Insert image description here

2.4 After specifically extracting the link, when accessing the link, it is found that the text of the output web page is garbled.

Because this link has no text to access, accessing the link is directly to download.
Insert image description here
The result is as shown below, and no valid text can be extracted.