基于Python的招聘信息可视化分析研究

本文旨在总结记录自己在学习基于Python语言的可视化分析研究成果，数据源为拉勾网杭州市人工智能岗位。
关于大致内容我做了个简单的PPT做简要概述，分为四个部分进行讲解，其中可视化分析部分对Python抓取到的图形进行可进一步的优化，使得整体更加协调美观。

————————————————

简要概述

抓取数据代码

import json
import time
import requests
import csv

    # 1. 创建文件对象
f = open('lgposition_hz_shenduxuexi_4.7.1.。1.1.csv', 'w', encoding='utf-8', newline='')       #文件名记得每爬取一个职业修改一次~
    # 2. 基于文件对象构建 csv写入对象
csv_writer = csv.writer(f)
    # 3. 构建列表头
csv_writer.writerow(
        ["公司", "职位名称", "公司简称", "公司规模", "公司行业", "融资", "福利", "职位类型", "第二职位", "第三职位", "技能", "职位发布时间", "城市", "区域",
         "薪水", "工作年限", "学历", "职位优势"])


def extractPositionData(results):    #提取职位信息
    if len(results):        #？？ 表示什么意思
        for result in results:
            
            companyLabelList = result['companyLabelList'] #单个的招聘信息中所包含的公司标签信息（含有多个）提取
            companyLabelLists = ''#初始化
            if len(companyLabelList):  #一条招聘信息中的公司标签有好几个标签
                for i in companyLabelList:
                    companyLabelLists += i + ',' #转换成一个字符串
                    
            skillLable = result['skillLables']  #技能需要  同公司标签
            skillLables = ''
            if len(skillLable):
                for i in skillLable:
                    skillLables += i + ','
                    
            # 4. 写入csv文件内容
            csv_writer.writerow(
                [result['companyFullName'],
                 result['positionName'],
                 result['companyShortName'],
                 result['companySize'],
                 result['industryField'],  #公司行业
                 result['financeStage'],
                 companyLabelLists,   #福利
                 result['firstType'],  #职位类型
                 result['secondType'],  #第二职位
                 result['thirdType'],  #第三职位
                 skillLables,     #技能
                 result['createTime'], #职位发布时间
                 result['city'],
                 result['district'],  #区域
                 result['salary'],   
                 result['workYear'],   #工作年限
                 result['education'],
                 result['positionAdvantage']])    #职位优势

def main(pages,position,city):
    # 主url
    
    url1 = 'https://www.lagou.com/jobs/list_'+ position+ '?city='+city+'&fromSearch=true&labelWords=&suginput='   #网页链接，不管第几页都是该url【异步加载】
    # ajax请求
    print (url1)
    url = "https://www.lagou.com/jobs/positionAjax.json?city="+city+"&needAddtionalResult=false"     #F12里面的请求链接
    # 请求头
    headers = {
        'Connection': 'keep-alive',
        'Accept': 'application/json, text/javascript, */*; q=0.01',
        'X-Anit-Forge-Code': '0',
        'X-Requested-With': 'XMLHttpRequest',
        'X-Anit-Forge-Token': 'None',
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.130 Safari/537.36',
        'Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8',
        'Origin': 'https://www.lagou.com',
        'Sec-Fetch-Site': 'same-origin',
        'Sec-Fetch-Mode': 'cors',
        'Referer': 'https://www.lagou.com/jobs/list_%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0?city=%E6%9D%AD%E5%B7%9E&fromSearch=true&labelWords=&suginput=',
        'Accept-Encoding': 'gzip, deflate, br',
        'Accept-Language': 'zh-CN,zh;q=0.9',
    }
    # 通过data来控制翻页
    pages1 = pages+1
    for page in range(1, pages1):
        data = {
            'first': 'false',
            'pn': page,
            'kd': position
        }
        s = requests.Session()  
        s.get(url=url1, headers=headers, timeout=3)    #获取html信息 ，从中提取cookie传递给请求链接 respon使用
        cookie = s.cookies 
        respon = s.post(url=url, headers=headers, data=data, cookies=cookie, timeout=3)            #f12里发送的请求链接的信息（请求翻页）
        #time.sleep(3)      #反爬虫，每爬取一次休眠3秒钟
        total = respon.text    #r.text
        results = json.loads(respon.text)['content']['positionResult']['result']       #将r.text文件转换为json格式，再将json内容放入字典中，可以看做是二维列表，每一行代表一个招聘信息，一共有n行。result[0]表示第一个招聘数据。
        print ("正在爬取第"+ str(page) +"页...")
        extractPositionData(results)            #运用定义函数
        print ("————已爬取完第"+ str(page) +"页————")
    print("已爬取完毕"+city+"这个城市的"+position+"岗位前"+str(pages1)+"页信息")


if __name__ == '__main__':
    main(3,'运营',"%E6%9D%AD%E5%B7%9E")    #通过F12查看代码 ，%E6%9D%AD%E5%B7%9E表示杭州。传入main函数
    # 5. 关闭文件
    f.close()

新手操作容易出现的问题

tip1:利用python官方的pip通过cmd进行库的安装速度很慢，这是由于国外的官方源经常被墙，导致安装不上。我们可以更换pip源——使用国内的python镜像源来解决Python安装不上库的问题。

pip install SomePackage -i https://pypi.tuna.tsinghua.edu.cn/simple