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！

转自：https://mp.weixin.qq.com/s/lmGsjZdNP9HVlegBRMOZQw

 

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

 

1.                                                                      爬取搜索到的岗位链接；

2.                                                                      进一步爬取详细的岗位要求；

3.                                                                      提取其中英文单词；

4.                                                                      pyecharts展示。

   1.                                 

                                                                爬取招聘岗位

   2. 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。

   3. def getLink(seachname, pagenum):
          for i in range(pagenum):
              url = "https://www.liepin.com/zhaopin/?init=-1&key={}&curPage={}".format(
                  seachname, i)
              web_data = requests.get(url=url, headers=header)
              soup = BeautifulSoup(web_data.content, 'lxml')
              job_list = soup.select(".sojob-list > li")
              for item in job_list:
                  name = item.select(".job-info > h3")[0]['title']
                  link = item.select(".job-info > h3 > a")[0]['href']
                  company = item.select(".company-name > a")[0].text
                  salary = item.select(".text-warning")[0].text
                  location = item.select(".area")[0].text
                  education = item.select(".edu")[0].text
                  data = {
                      "title": name,
                      "link": link,
                      "company": company,
                      "salary": salary,
                      "location": location,
                      "education": education,
                  }
                  pywork.insert(data) #使用MongoDB存储

       

                                                                        

                                                                                                   详细岗位要求

由于任职要求中有<br>标签，需要将其切除，而且由于使用BeautifulSoup解析，所以<br>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。

def getInfo(url, demands_text):
    web_data = requests.get(url, headers=header)
    soup = BeautifulSoup(web_data.content, 'lxml')
    try:
        demands = soup.select(".content-word")[0].contents
        demands = sorted(set(demands), key=demands.index)
        # 删除<br/>
        delete_str = "<br/>"
        br_tag = BeautifulSoup(delete_str, "lxml").br
        demands.remove(br_tag)
        # 拼接所有要求
        for item in demands:
            demands_text += item.replace("
", "")
        #写入文件
        f = open('demands.txt', mode='a+', encoding='UTF-8')
        f.write(demands_text + "
")
        f.close()
    except:
        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

def CutWordByJieBa(txt, seachname):
    seg_list = jieba.cut(txt, cut_all=True)
    w1 = "/ ".join(seg_list)  # 全模式
    fil = re.findall('[a-zA-Z]{1,}/', w1) # 提取英文
    strl = ""
    for i in fil:
        strl += i
    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：

1. 数据库：MySQL、Oracle、MongoDB；

2. 解析：XPath、CSS；

3. 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。