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!
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
☞ 公开课报名 | 基于自定义模板的OCR结果的结构化处理技术
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")
关注公众号:拾黑(shiheibook)了解更多
[广告]赞助链接:
四季很好,只要有你,文娱排行榜:https://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/
随时掌握互联网精彩
- 1 习近平引领构建网络空间命运共同体 7970905
- 2 俄飞行员驾驶苏-57经停太原买买买 7907636
- 3 王楚钦拿下比赛怒吼 7823175
- 4 聆听大国外交的铿锵足音 7753050
- 5 两位抗癌网红先后去世 近期曾通话 7641285
- 6 张本智和赢球后摇头庆祝 7585604
- 7 熏鸡事变大结局 7454464
- 8 大范围降雪降温马上来了 7364998
- 9 男子打赏女主播400万自己啃馒头 7207902
- 10 9条具体措施稳外贸 7144974