酷应用

爬取猎聘网招聘信息，我竟发现了最实用的程序员学习路线！

百家作者：程序人生 2018-12-19 05:52:58

作者 | Don Lex

责编 | 胡巍巍

前两天，刚好看到网上的一些学习路线图，又对比了招聘网站上的要求，发现这两者其实差不多。

所以就用爬虫爬取了猎聘网上的岗位信息，对这些招聘信息进行处理，从中找出需要掌握的一些语言和工具，从而有目的地进行学习，更快的提高自己的能力，让自己不再为不知道学习线路而烦恼，也能够更好的符合招聘要求。

查看网页

搜索首页

详细要求

从这个岗位职责中，可以看出需要掌握的工具或语言绝大多数都是以英文为主。所以主要提取英文就行了。至于其他的信息就不进行提取了

流程

爬取搜索到的岗位链接；
进一步爬取详细的岗位要求；
提取其中英文单词；
pyecharts展示。

爬取招聘岗位

使用BeautifulSoup进行解析，主要将岗位名称、详细链接、公司、薪资、位置和学历要求这几个信息存到MongoDB中就好。

 1def getLink(seachname, pagenum):
 2    for i in range(pagenum):
 3        url = "https://www.liepin.com/zhaopin/?init=-1&key={}&curPage={}".format(
 4            seachname, i)
 5        web_data = requests.get(url=url, headers=header)
 6        soup = BeautifulSoup(web_data.content, 'lxml')
 7        job_list = soup.select(".sojob-list > li")
 8        for item in job_list:
 9            name = item.select(".job-info > h3")[0]['title']
10            link = item.select(".job-info > h3 > a")[0]['href']
11            company = item.select(".company-name > a")[0].text
12            salary = item.select(".text-warning")[0].text
13            location = item.select(".area")[0].text
14            education = item.select(".edu")[0].text
15            data = {
16                "title": name,
17                "link": link,
18                "company": company,
19                "salary": salary,
20                "location": location,
21                "education": education,
22            }
23            pywork.insert(data) #使用MongoDB存储

详细岗位要求

由于任职要求中有
标签，需要将其切除，而且由于使用BeautifulSoup解析，所以
是tag对象，需要创建对象再删除。被这个问题困住了好久。
之后将所有爬取到的岗位要求都写到一个文件中，方便后期使用JieBa切分。

 1def getInfo(url, demands_text):
 2    web_data = requests.get(url, headers=header)
 3    soup = BeautifulSoup(web_data.content, 'lxml')
 4    try:
 5        demands = soup.select(".content-word")[0].contents
 6        demands = sorted(set(demands), key=demands.index)
 7        # 删除

 8        delete_str = "
"
 9        br_tag = BeautifulSoup(delete_str, "lxml").br
10        demands.remove(br_tag)
11        # 拼接所有要求
12        for item in demands:
13            demands_text += item.replace("
", "")
14        #写入文件
15        f = open('demands.txt', mode='a+', encoding='UTF-8')
16        f.write(demands_text + "
")
17        f.close()
18    except:
19        logging.log("warning...")

分词

使用JieBa分词之后，还需要将一些单词例如：or，pc等上删除，本着“宁可错杀一千,不可放过一个”的原则，所以将少于1个字母的单词使用正则去掉

1def CutWordByJieBa(txt, seachname):
2    seg_list = jieba.cut(txt, cut_all=True)
3    w1 = "/ ".join(seg_list)  # 全模式
4    fil = re.findall('[a-zA-Z]{1,}/', w1) # 提取英文
5    strl = ""
6    for i in fil:
7        strl += i
8    strl = strl.lower() # 全部转换为小写

可视化

在这部分，之前只想着将需要掌握的工具用词云进行展示就好。然而，有点幸运呀！当使用Navicat12连接到MongoDB的时候，发现它有自动作图分析的功能。所以先用Navicat中的功能，简单的来看一下总体情况：

以爬虫工程师为关键词查询后，使用pyecharts进行数据展示：

重点

对比词云和bar图，感觉词云更加准确。但是柱状图却更便于分类，比如上图就可以发现需要掌握的工具可以分为三类：

数据库：MySQL、Oracle、MongoDB；
解析：XPath、CSS；
反爬：Cookie、IP、Scrapy、JWT。

其中JWT（JSON Web Token）我就不认识。所以通过这种方式，我就可以找到自己的盲区，就算不深入了解学习，但是百度一下，大概了解它是什么，还是可以的

最后

如果有感兴趣的小伙伴，可以自己动手试一下。个人感觉这些排名前10的工具对自己的学习线路、职业规划还是有点帮助的。也希望能够对那些正在迷茫的朋友有所帮助！

作者简介：Don Lex，在校大学生，正在发育并且渴望成为一个有技术、有情怀的coder。个人公众号 Python绿洲。
声明：本文为作者投稿，版权归对方所有。

热文 推荐

☞ 程序员真的都不爱炫富吗？

☞ 一个程序员父亲的呼吁：不要教你的孩子从小学编程！

☞ 我清华毕业，在龙泉寺写代码

☞ 今日头条能干掉微信么？ | 畅言

☞ 公开课报名 | 基于自定义模板的OCR结果的结构化处理技术

☞ 会玩! 比特币诈骗手法升级, 从要钱到要命!

☞ Elastic：Beyond Search！

☞ 程序员为啥365天都背电脑包？这答案我服！

print_r('点个赞吧');
var_dump('点个赞吧');
NSLog(@"点个赞吧！");
System.out.println("点个赞吧!");
console.log("点个赞吧!");
print("点个赞吧!");
printf("点个赞吧!n");
cout < < "点个赞吧!" < < endl;
Console.WriteLine("点个赞吧!");
fmt.Println("点个赞吧!");
Response.Write("点个赞吧");
alert（"点个赞吧"）
echo（"点个赞吧"）