对爬取51job中用到的技巧的分析、记录

最新推荐文章于 2024-04-01 15:59:06 发布

枪枪枪

最新推荐文章于 2024-04-01 15:59:06 发布

阅读量3.1k

点赞数 4

分类专栏：数据处理、分析文章标签：爬虫可视化数据分析

本文链接：https://blog.csdn.net/az9996/article/details/90730235

版权

数据处理、分析专栏收录该内容

9 篇文章 2 订阅

订阅专栏

一个简单的实践，爬取51job有关大数据的工作，并进行分析。
在这里做一个记录。
主要思路是在网上找到的一篇博文，之前也做过类似的东西，本身没有什么难度，这里我就将细节细细的过一遍，巩固一下所学吧

参考的博文的链接
https://blog.csdn.net/lbship/article/details/79452459

这里搜索的关键词为：数据分析、大数据

要爬取的网站：https://www.51job.com/

一、前期准备

1.1 使用virtualenv搭建环境

1.2 查看首页的html

def get_51job_html():
    url1='https://www.51job.com/'
    req=requests.get(url1)
    req.encoding=req.apparent_encoding
    html=req.text
    print(html)
    fj=open('./analyze/html.txt','w',encoding='utf-8')
    fj.write(html)
    fj.close()

在这里我遇到了网页编码与本地编码不一致的问题,
在requests.text源码中看到这样一段描述：

		The encoding of the response content is determined based solely on HTTP
        headers, following RFC 2616 to the letter. If you can take advantage of
        non-HTTP knowledge to make a better guess at the encoding, you should
        set ``r.encoding`` appropriately before accessing this property.
        相应内容的编码方式是基于HTTP headers，严格按照RFC 2616，如果你能利用
非http知识，以便更好地猜测编码，你应当在访问这个属性前设置适当的r.encoding
.........
       if not self.content:
            return str('')

        # Fallback to auto-detected encoding.    回退到自动识别编码
        if self.encoding is None:
            encoding = self.apparent_encoding

        # Decode unicode from given encoding.    从给定的编码解码unicode。
        try:
            content = str(self.content, encoding, errors='replace')
        except (LookupError, TypeError):
            # A LookupError is raised if the encoding was not found which could
            .........

也就是说，如果你能判断网页的编码方式，那么你可以使用r.ecoding=‘gbk’，来指定编码方式

如果，你不能准确的判断，那么可以使用 req.encoding=req.apparent_encoding，让requests库来自动进行选择。

这是搜集的参考资料：
https://blog.csdn.net/weixin_37686372/article/details/79231846

1.2.1 查看搜索页面

https://search.51job.com/list/010000,000000,0000,00,9,99,%25E6%2595%25B0%25E6%258D%25AE%25E5%2588%2586%25E6%259E%2590,2,1.html?lang=c&stype=&postchannel=0000&workyear=99&cotype=99&degreefrom=99&jobterm=99&companysize=99&providesalary=99&lonlat=0%2C0&radius=-1&ord_field=0&confirmdate=9&fromType=&dibiaoid=0&address=&line=&specialarea=00&from=&welfare=

https://search.51job.com/list/020000,000000,0000,00,9,99,%25E6%2595%25B0%25E6%258D%25AE%25E5%2588%2586%25E6%259E%2590,2,1.html?lang=c&stype=&postchannel=0000&workyear=99&cotype=99&degreefrom=99&jobterm=99&companysize=99&providesalary=99&lonlat=0%2C0&radius=-1&ord_field=0&confirmdate=9&fromType=&dibiaoid=0&address=&line=&specialarea=00&from=&welfare=

010000：城市的编码，这个是北京。020000，是上海
%25E6%2595%25B0%25E6%258D%25AE%25E5%2588%2586%25E6%259E%2590：搜索的关键词，只不过是被编码了，还被编码了两次

查看parse.quote(）的源码后发现

reserved    = ";" | "/" | "?" | ":" | "@" | "&" | "=" | "+" |
                  "$" | "," | "~"

    Each of these characters is reserved in some component of a URL,
    but not necessarily in all of them.

    Python 3.7 updates from using RFC 2396 to RFC 3986 to quote URL strings.
    Now, "~" is included in the set of reserved characters.

    By default, the quote function is intended for quoting the path
    section of a URL.  Thus, it will not encode '/'.  This character
    is reserved, but in typical usage the quote function is being
    called on a path where the existing slash characters are used as

python 3.7 遵守RFC 3986标准来引用URL字符串，汉字不在URL标准内，于是要通过parse.quote函数将汉字编码为符合标准的字符。

star='数据分析'
#编码
star1=parse.quote(parse.quote(star))
print(star1)

#解码可以用这个
star2=parse.unquote(star1)
print(star2)

https://www.cnblogs.com/jessicaxu/p/7977277.html
https://blog.csdn.net/ZTCooper/article/details/80165038

二、进行操作

2.1 根据搜索页面的信息构造链接

000000:代表任意城市
key：要检索的关键词
str(page)：页数

url ='http://search.51job.com/list/000000,000000,0000,00,9,99,'+key+',2,'+ str(page)+'.html'

2.1.1分析页面的html，寻找有效信息

网页html的一部分

<p class="t1 ">

                            <em class="check" name="delivery_em" onclick="checkboxClick(this)"></em>

                            <input class="checkbox" type="checkbox" name="delivery_jobid" value="114060428" jt="0" style="display:none" />

                            <span>

                                <a target="_blank" title="数据分析专员" href="https://jobs.51job.com/wuhan-dxhq/114060428.html?s=01&t=0" onmousedown="">

                                    数据分析专员                                </a>

使用正则表达式，匹配出有效信息

expression=re.compile(r'class="t1 ">.*? <a target="_blank" title=".*?" href="(.*?)".*? <span class="t2">',re.S)

在Python的正则表达式中，有一个参数为re.S。它表示“.”（不包含外侧双引号，下同）的作用扩展到整个字符串，包括“\n”。
https://www.jb51.net/article/146384.htm
.这篇比较通俗
https://blog.csdn.net/weixin_42781180/article/details/81302806

也就是说，设置re.S后，会将整个字符串作为匹配对象，去文本中匹配符合标准的内容。

1、. 匹配任意除换行符“\n”外的字符；
2、*表示匹配前一个字符0次或无限次；
3、+或*后跟？表示非贪婪匹配，即尽可能少的匹配，如*？重复任意次，但尽可能少重复；
4、 .*? 表示匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。
如：a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab和ab。
--------------
原文：https://blog.csdn.net/qq_37699336/article/details/84981687

2.1.2 通过xpath进行定位

'//div[@class="tHeader tHjob"]//p[@class="msg ltype"]/text()'

//div[@class=“tHeader tHjob”] 构造的相对路径，div标签下的class="tHeader tHjob"标签
在这里插入图片描述
//p[@class=“msg ltype”] 定位到这个标签后，发现里面有我们想要的文本
使用text()获取标签内的文本

2.1.3 先获取一份信息看看效果

获取到的文本内有许多无用的字符，使用正则表达式进行过滤。
在这里插入图片描述

参考资料
https://blog.csdn.net/qq_26442553/article/details/82754722

#详情
    describe = re.findall(re.compile(r'<div class="bmsg job_msg inbox">.*?岗位职责(.*?)<p>&nbsp;</p>', re.S), req1.text)[0]
    r1 = re.compile(r'[:<p></p>&nbs;r]+')
    s2=re.sub(r1,'',describe)
    print('岗位职责： ',s2)
    #需求
    require = re.findall(re.compile(r'<div class="bmsg job_msg inbox">.*?任职资格(.*?)<div class="mt10">', re.S),req1.text)[0]
    s=re.sub(r1,'',require)
    print('任职资格： ',s)

效果：
在这里插入图片描述

2.1.3.1 放开循环，爬取10个左右，查看效果

在这里插入图片描述
发现文本种含有大量的html标签，于是构建正则表达式，过滤标签

r1 = re.compile(r'<[^<]+?>')
    s = re.sub(r1, '', describe).replace('&nbsp;','').strip()
    print('职位信息： ',s)

参考资料
https://blog.csdn.net/jcl314159/article/details/86030734

在这里插入图片描述
过滤后，OK

2.1.4 下一步，将爬取到的数据存储起来

这里我是用的是pandas库
将多列数据构建成一个列表队对象，将列表对像转为pd.Series对象，作为函数的返回值。这样就可以方便的使用dataframe中的append方法，逐行的添加数据。

datalist=[
        str(link),
        str(job),
        str(companyname),
        str(string),
        str(education),
        str(salary),
        str(area),
        str(companytype),
        str(companyscale),
        str(workyear),
        str(s)]
    series=pd.Series(datalist,index=[
        'link',
        'job',
        'companyname',
        'welfare',
        'education',
        'salary',
        'area',
        'companytype',
        'companyscale',
        'workyear',
        'describe'])

    return series

测试：

if __name__ == '__main__':
    page_number=1

    while(page_number!=1001):
        print('正在爬取第：', str(page_number), '页...')
        datasets=pd.DataFrame()
        links = get_position_links(page_number)
        i = 0
        for link in links:
            print(link)
            state,series = get_content(link)
            #print(type(series))
            if state==1:
                # print(series)
                datasets = datasets.append(series, ignore_index=True)
                i = i + 1
                print("------------------" + str(page_number) + "--" + str(i) + "----------------------")
            # if i > 10:        #用于测试，获取11条数据，看看效果
            #     print(datasets)
            #     exit()
        print('第 ', str(page_number), ' 爬取完成')
        page_number=page_number+1

        print(datasets)
        datasets.to_csv('./analyze/datasets.csv',sep='#',index=False,index_label=False, encoding='utf-8',mode='a+')

效果：
在这里插入图片描述

2.1.5 接下来尝试一下多线程，加快爬取速度

这个先放放，先把数据爬下来再说

2.2 开始爬取

if __name__ == '__main__':
    page_number=1
    datasets = pd.DataFrame(columns=[
        'link',
        'job',
        'companyname',
        'welfare',
        'education',
        'salary',
        'area',
        'companytype',
        'companyscale',
        'workyear',
        'describe'])

    while(page_number!=1001):
        print('正在爬取第：', str(page_number), '页...')
        links = get_position_links(page_number)
        i = 0
        for link in links:
            print(link)
            series = get_content(link)
            #print(series)
            datasets = datasets.append(series, ignore_index=True)
            i = i + 1
            print("------------------" +str(page_number)+"--"+ str(i) + "----------------------")
            # if i > 10:
            #     print(datasets)
            #     exit()
        print('第 ', str(page_number), ' 爬取完成')
        page_number=page_number+1

    print(datasets)
    datasets.to_csv('./analyze/datasets.csv',sep='#',index=False,index_label=False, encoding='utf-8',mode='a+')

效果：
在这里插入图片描述

2.2.1 异常处理

网页请求过程中的超时异常

采取重新发起请求的方式进行解决

max_retries = 0
    while max_retries < 4:
        try:
            req1=requests.get(link,headers=get_header(),timeout=10)
            break
        except requests.exceptions.ReadTimeout:
            print("读取超时，第" + str(max_retries) + "次请求,准备进行下一次尝试")
            max_retries = max_retries + 1
        except requests.exceptions.ConnectTimeout:
            print("连接超时，第" + str(max_retries) + "次请求,准备进行下一次尝试")
            max_retries = max_retries + 1

请求到的网页不是51job的

此时会导致程序爬不到东西，因为html的结构变了，
爬取第一条信息时返回的是个列表，如果没有爬到信息，但是你又对空列表进行索引，那么会导致IndexError，所以在程序中加了一条异常处理，即未获得信息，将series置为None
job = html1.xpath('//div[@class="tHeader tHjob"]//h1/text()')[0].strip()

https://m.jb51.net/article/152963.htm

    try:
        # 工作名称
        job = html1.xpath('//div[@class="tHeader tHjob"]//h1/text()')[0].strip()
        # print('工作名称：', job)
       .............
        datalist = [
            str(link),
            str(job),
            str(companyname),
            str(string),
            str(education),
            str(salary),
            str(area),
            str(companytype),
            str(companyscale),
            str(workyear),
            str(s)]
        series = pd.Series(datalist, index=[
            'link',
            'job',
            'companyname',
            'welfare',
            'education',
            'salary',
            'area',
            'companytype',
            'companyscale',
            'workyear',
            'describe'])

        return (1,series)

    except IndexError:
        print('error,未定位到有效信息导致索引越界')
        series=None
        return (-1,series)

查看效果

在这里插入图片描述

2.3 程序已基本上可以持续运行

缺点：慢、慢、慢
耗时：爬取一页内容大致要耗费40s左右的时间。
基本实现爬取数据的目的
截至目前：2019年6月3日13:28:55
在这里插入图片描述
程序已持续爬取17页的内容

截至时间：2019年6月3日18:20:52，已爬取500页的内容，共计24288条信息。
在这里插入图片描述

三、数据处理

3.1 查看爬取的数据

import pandas as pd

data_path="./analyze/test_datasets.csv"
test_data=pd.read_csv(data_path,delimiter='#',encoding='utf-8')

print(test_data.columns)

>>>Index(['area', 'companyname', 'companyscale', 'companytype', 'describe',
       'education', 'job', 'link', 'salary', 'welfare', 'workyear'],
      dtype='object')
      
>>>(24288, 11)

>>>          area  companyname companyscale  ...  salary  welfare workyear
count    24288        24288        24288  ...   24133    21214    24288
unique     569        18483           10  ...     514    14247        8
top     广州-天河区  companyname      50-150人  ...  6-8千/月  welfare    无工作经验
freq      1136          499         7781  ...    3024      499     7267

[4 rows x 11 columns]

print(test_data.iloc[956:960,:]) #随便查看几条

>>>        area   companyname  ...                                   welfare workyear
956   上海-长宁区  广州淘通科技股份有限公司  ...            绩效奖金,年终奖金,弹性工作,专业培训,五险一金,定期体检,    无工作经验
957  南京-雨花台区  南京科源信息技术有限公司  ...                 过节福利,加班补贴,员工旅游,周末双休,五险一金,     2年经验
958   上海-长宁区      携程旅行网业务区  ...        加班补贴,餐饮补贴,五险一金,专业培训,全勤奖,绩效奖金,做五休二,     1年经验
959  深圳-龙华新区    深圳领脉科技有限公司  ...  定期体检,弹性工作,股票期权,绩效奖金,年终奖金,专业培训,餐饮补贴,五险一金,    无工作经验

[4 rows x 11 columns]

3.2 查重

使用pandas.DataFrame.duplicated,进行查重
作用：返回布尔级数，表示重复的行，只考虑某些列。

根据公司名进行查看后发现，公司名并不能作为唯一标识，可能存在同一公司招聘不同岗位。
根据请求链接进行查重后发现，链接可以作为唯一标识，不存在重复项。

print(test_data['companyname'].duplicated())
print(test_data['link'].duplicated())

print(test_data.iloc[24281:24282,:])
print(test_data.loc[test_data["companyname"]=="重庆江小白品牌管理有限公司"]["link"])

>>>         area    companyname companyscale  ...    salary welfare workyear
15262  成都-武侯区  重庆江小白品牌管理有限公司   1000-5000人  ...  3.5-5千/月   年终奖金,    无工作经验
15480  成都-武侯区  重庆江小白品牌管理有限公司   1000-5000人  ...  3.5-5千/月   年终奖金,    无工作经验
24281      镇江  重庆江小白品牌管理有限公司   1000-5000人  ...  4.5-6千/月     NaN    无工作经验

[3 rows x 11 columns]
15262    https://jobs.51job.com/chengdu-whq/98113296.ht...
15480    https://jobs.51job.com/chengdu-whq/98113296.ht...
24281    https://jobs.51job.com/zhenjiang/99364955.html...
Name: link, dtype: object

python中的True、False

True为1
False为0

numpy.logical_xor #Compute the truth value of x1 XOR x2, element-wise. 从元素的角度计算x1 XOR x2的真值。

集合的异或运算（对称差）
https://www.cnblogs.com/organic/archive/2015/12/06/5023038.html

去重后的效果

对numpy.logical_xor()函数的测试
https://blog.csdn.net/az9996/article/details/90771491

在这里插入图片描述
去重后剩余18790项数据。

其中，包含关键词：“数据”、“分析”的职位有2630项。
在这里插入图片描述

调整数据格式

python中 r’’, b’’, u’’, f’’ 的含义
https://blog.csdn.net/gymaisyl/article/details/85109627

if u'万' in salary and u'年' in salary:  # 单位统一成千/月的形式

控制浮点数精度的方法
https://blog.csdn.net/larykaiy/article/details/83095042

low_salary = '%.2f'%(float(low_salary) / 12 * 10)

函数注释、参数注释

函数注释是关于用户定义函数使用的类型的完全可选的元数据信息

注释作为字典存储在函数的……annotations__属性中，对函数的任何其他部分都没有影响。参数注释由参数名称后面的冒号定义，后面是对注释值求值的表达式。返回注释由一个文字->和一个表达式定义，在参数列表和表示def语句结束的冒号之间。

https://docs.python.org/3/tutorial/controlflow.html#function-annotations

四、数据分析

4.1 搜集资料

这个最有用
https://pyecharts.org/#/zh-cn/

这个更好些
https://blog.csdn.net/u010700066/article/details/80835018
.
备用：
地理图绘制
https://segmentfault.com/a/1190000010871928
世界国家行政区划分，文件下载
https://gadm.org/download_country_v3.html

python的pandas中series类型提取索引并转化为列表
http://blog.sina.com.cn/s/blog_9e103b930102x9ic.html

将列表内字符类型的元素，转换为int型或float型
https://blog.csdn.net/az9996/article/details/91408120

Python遍历pandas数据方法总结
https://www.jb51.net/article/134753.htm

wordcloud绘制词云
https://www.jianshu.com/p/daa54db9045d

结巴分词github
https://github.com/fxsjy/jieba

4.2 绘制饼图

def education_operation():
    path = os.path.join(data_path, file_name[1])
    test_data = pd.read_csv(path, delimiter="#", encoding='utf-8', dtype={'salary': str})
    edu_values_count=test_data['education'].value_counts() #返回类型Series
    drop_value=edu_values_count.drop(labels=['招1人','招2人','招3人','招若干人','招4人',
                                             '招5人','招6人','招20人','招25人','招10人'])
    print(drop_value)
    print(type(drop_value))

    print(drop_value.index)
    print(type(drop_value.index))
    print(drop_value.values)
    print(type(drop_value.values))

    np.set_printoptions(precision=3)
    c = (
        Pie()
            .add("",
                 [list(z) for z in zip(drop_value.index,((drop_value.values.tolist())/(drop_value.values.sum())).round(decimals=3))],
                 radius=["40%", "75%"],)
            .set_global_opts(title_opts=opts.TitleOpts(title="学历要求"),
                             legend_opts=opts.LegendOpts(
                                 orient="vertical", pos_top="15%", pos_left="2%"
                                ),
                             )
            .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    )

    c.render('./view/education_pie.html')

在这里插入图片描述

4.3 绘制柱状图

    c = (
        Bar()
            .add_xaxis(low_ndarray_to_list)
            .add_xaxis(high_ndarry_to_list)
            .add_yaxis("最低薪资分布",low_salary_count.values.tolist())
            .add_yaxis("最高薪资分布",high_salary_count.values.tolist())
            .set_global_opts(title_opts=opts.TitleOpts(title="薪资", subtitle=""))
    )

    c.render('./view/salary_bar.html')

在这里插入图片描述

4.4 绘制词云

words=[]
    for word in count.iteritems():
        print(word)
        words.append(word)

    c = (
        WordCloud()
            .add("", words, word_size_range=[20, 100])
            .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud"))
    )

    c.render('./view/job_information_wordcloud.html')

在这里插入图片描述

4.5 绘制地理图

全球地图、中国省级地图、中国市级地图、中国区县级地图、中国区域地图

pip install echarts-countries-pypkg  
 
pip install echarts-china-provinces-pypkg 
 
pip install echarts-china-cities-pypkg 
 
pip install echarts-china-counties-pypkg 
 
pip install echarts-china-misc-pypkg

地图数据扩展包

pip install echarts-cities-pypkg

参考资料
https://blog.csdn.net/weixin_41563274/article/details/82904106

还得调整，效果不理想
在这里插入图片描述

问题解决

Traceback (most recent call last):
  File "<input>", line 1, in <module>
  File "D:\Program Files\JetBrains\PyCharm 2019.1\helpers\pydev\_pydev_bundle\pydev_umd.py", line 197, in runfile
    pydev_imports.execfile(filename, global_vars, local_vars)  # execute the script
  File "D:\Program Files\JetBrains\PyCharm 2019.1\helpers\pydev\_pydev_imps\_pydev_execfile.py", line 18, in execfile
    exec(compile(contents+"\n", file, 'exec'), glob, loc)
  File "D:/programming/python/PycharmProjects/Final_course_design/transform_format.py", line 235, in <module>
    area_operation()
  File "D:/programming/python/PycharmProjects/Final_course_design/transform_format.py", line 219, in area_operation
    type_=ChartType.HEATMAP,
  File "D:\programming\python\PycharmProjects\Final_course_design\venv\lib\site-packages\pyecharts\charts\basic_charts\geo.py", line 54, in add
    data = self._feed_data(data_pair, type_)
  File "D:\programming\python\PycharmProjects\Final_course_design\venv\lib\site-packages\pyecharts\charts\basic_charts\geo.py", line 144, in _feed_data
    lng, lat = self.get_coordinate(n)
TypeError: cannot unpack non-iterable NoneType object

一开始遇到TypeError: cannot unpack non-iterable NoneType object这个错误提示，十分不解。在搜索过程中看到这篇文章中的分析（不得不感慨，还是Google的搜索技术更好用！），让我意识到，可能是库中某个函数在调用后返回值为None，因为NoneType object （空对象）肯定是无法被迭代的。

在细细看看，抛出的错误lng, lat = self.get_coordinate(n)，察觉到这个函数调用过程中可能出现错误，翻看源码，函数定义如下：

    def _feed_data(self, data_pair: Sequence, type_: str) -> Sequence:
        result = []
        for n, v in data_pair:
            if type_ == ChartType.LINES:
                f, t = self.get_coordinate(n), self.get_coordinate(v)
                result.append({"name": "{}->{}".format(n, v), "coords": [f, t]})
            else:
                lng, lat = self.get_coordinate(n)
                result.append({"name": n, "value": [lng, lat, v]})
        return result

该函数的作用是根据省、市名称，返回该省、市地理位置坐标，返回值类型是list。也就是说，如果省、市名输入有误（和库中的不匹配）那么是查不到位置信息，也就是说该函数的返回值会变为NoneType object （空对象）。

因此，我将省、市名称调整为和该库一样的格式，程序顺利执行，问题解决！

https://www.crifan.com/python_typeerror_nonetype_object_is_not_iterable/

这次的效果不错！

def area_operation():
    path = os.path.join(data_path, file_name[1])
    # print(path)
    test_data = pd.read_csv(path, delimiter="#", encoding='utf-8', dtype={'salary': str})
    area=test_data['area']
    #print(area)
    final=[]
    for format in area.iteritems():
        kkk=re.split(r'-',format[1])
        final.append(kkk[0])
    series=pd.Series(final)
    area_count=series.value_counts()

    data_sheng=[]
    data_shi=[]
    for k in area_count.iteritems():
        print(k[0])
        name=k[0]
        print(type(k[0]))
        if name in ['北京','上海','天津','重庆','陕西省','湖北省','江苏省','广东省']:
            name=re.sub(r'[省]','',name)
            tmp=[name,k[1]]
            data_sheng.append(tmp)
        else:
            name = name + '市'
            tmp=[name,k[1]]
            data_shi.append(tmp)
    print(data_sheng)
    print(data_shi)
    c = (
        Geo()
            .add_schema(maptype="china")
            .add("省",data_sheng)
            .add('市',data_shi)
            .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
            .set_global_opts(
            visualmap_opts=opts.VisualMapOpts(),
            title_opts=opts.TitleOpts(title="工作分布"),
        )
    )
    c.render('./view/area_heatMap.html')

numpy数组转python列表

NumPy数组（9）-- 将NumPy数组转换为Python列表
https://blog.csdn.net/zhubao124/article/details/80719306

另外看到的一些比较好的思路

https://www.jianshu.com/p/af61c53c0705

枪枪枪

关注

4
点赞
踩
22

收藏

觉得还不错? 一键收藏
5
评论
对爬取51job中用到的技巧的分析、记录

好吧，又到了一学期的期末，又遇课程设计，不过还好，课程设计比较简单，爬取51job有关大数据的工作，并进行分析。在这里做一个记录。主要思路是在网上找到的一篇博文，之前也做过类似的东西，本身没有什么难度，这里我就将细节细细的过一遍，巩固一下所学吧参考的博文的链接https://blog.csdn.net/lbship/article/details/79452459这里搜索的关键词为：数...
复制链接

扫一扫