Python爬取拉钩招聘网，让你清楚了解Python行业

爬虫准备

一、先获取薪资和学历、工做经验要求

因为拉勾网数据加载是动态加载的，须要咱们分析。分析方法以下： F12分析页面数据存储位置

咱们发现网页内容是经过post请求获得的，返回数据是json格式，那咱们直接拿到json数据便可。

咱们只须要薪资和学历、工做经验还有单个招聘信息，返回json数据字典中对应的英文为：positionId,salary, education, workYear（positionId为单个招聘信息详情页面编号）。相关操做代码以下：

根据获取到的positionId来访问招聘信息详细页面

• 根据positionId还原访问连接：

position_url = []
def read_csv():
    # 读取文件内容
    with open(r'G:\lagou_anv.csv', 'r', newline='') as file_test:
        # 读文件
        reader = csv.reader(file_test)
        i = 0
        for row in reader:
            if i != 0 :
                # 根据positionID补全连接
                url_single = "https://www.lagou.com/jobs/%s.html"%row[0]
                position_url.append(url_single)
            i = i + 1
        print('一共有：'+str(i-1)+'个')
        print(position_url)复制代码

• 访问招聘信息详情页面，获取职位描述（岗位职责和岗位要求）并清理数据：

def get_info():
    for position_url in position_urls:
        work_duty = ''
        work_requirement = ''
        response00 = get_response(position_url,headers = headers)
        time.sleep(1)
        content = response00.xpath('//*[@id="job_detail"]/dd[2]/div/p/text()')
        # 数据清理
        j = 0
        for i in range(len(content)):
            content[i] = content[i].replace('\xa0',' ')
            if content[i][0].isdigit():
                if j == 0:
                    content[i] = content[i][2:].replace('、',' ')
                    content[i] = re.sub('[；;.0-9。]','', content[i])
                    work_duty = work_duty+content[i]+ '/'
                    j = j + 1
                elif content[i][0] == '1' and not content[i][1].isdigit():
                    break
                else:
                    content[i] = content[i][2:].replace('、', ' ')
                    content[i] = re.sub('[、；;.0-9。]','',content[i])
                    work_duty = work_duty + content[i]+ '/'
        m = i
        # 岗位职责
        write_file(work_duty)
        print(work_duty)
        # 数据清理
        j = 0
        for i in range(m,len(content)):
            content[i] = content[i].replace('\xa0',' ')
            if content[i][0].isdigit():
                if j == 0:
                    content[i] = content[i][2:].replace('、', ' ')
                    content[i] = re.sub('[、；;.0-9。]', '', content[i])
                    work_requirement = work_requirement + content[i] + '/'
                    j = j + 1
                elif content[i][0] == '1' and not content[i][1].isdigit():
                    # 控制范围
                    break
                else:
                    content[i] = content[i][2:].replace('、', ' ')
                    content[i] = re.sub('[、；;.0-9。]', '', content[i])
                    work_requirement = work_requirement + content[i] + '/'
        # 岗位要求
        write_file2(work_requirement)
        print(work_requirement)
        print("-----------------------------")复制代码

运行结果： 四种图可视化数据+数据清理方式

• 矩形树图：

# 1.矩形树图可视化学历要求
from pyecharts import TreeMap
education_table = {}
for x in education:
    education_table[x] = education.count(x)
key = []
values = []
for k,v in education_table.items():
    key.append(k)
    values.append(v)
​
data = []
for i in range(len(key)) :
    dict_01 = {"value": 40, "name": "我是A"}
    dict_01["value"] = values[i]
    dict_01["name"] = key[i]
    data.append(dict_01)
tree_map = TreeMap("矩形树图", width=1200, height=600)
tree_map.add("学历要求",data, is_label_show=True, label_pos='inside')复制代码

• 玫瑰饼图：

# 2.玫瑰饼图可视化薪资
import re
import math
''' # 薪水分类 parameter : str_01--字符串原格式:20k-30k returned value : (a0+b0)/2 --- 解析后变成数字求中间值：25.0 '''
def assort_salary(str_01):
    reg_str01 = "(\d+)"
    res_01 = re.findall(reg_str01, str_01)
    if len(res_01) == 2:
        a0 = int(res_01[0])
        b0 = int(res_01[1])
    else :
        a0 = int(res_01[0])
        b0 = int(res_01[0])
    return (a0+b0)/2
​
from pyecharts import Pie
salary_table = {}
for x in salary:
    salary_table[x] = salary.count(x)
​
key = ['5k如下','5k-10k','10k-20k','20k-30k','30k-40k','40k以上']
a0,b0,c0,d0,e0,f0=[0,0,0,0,0,0]
​
for k,v in salary_table.items():
    ave_salary = math.ceil(assort_salary(k))
    print(ave_salary)
    if ave_salary < 5:
        a0 = a0 + v
    elif ave_salary in range(5,10):
        b0 = b0 +v
    elif ave_salary in range(10,20):
        c0 = c0 +v
    elif ave_salary in range(20,30):
        d0 = d0 +v
    elif ave_salary in range(30,40):
        e0 = e0 +v
    else :
        f0 = f0 + v
values = [a0,b0,c0,d0,e0,f0]
​
pie = Pie("薪资玫瑰图", title_pos='center', width=900)
pie.add("salary",key,values,center=[40, 50],is_random=True,radius=[30, 75],rosetype="area",is_legend_show=False,is_label_show=True)复制代码

• 普通柱状图：

# 3.工做经验要求柱状图可视化
from pyecharts import Bar
workYear_table = {}
for x in workYear:
    workYear_table[x] = workYear.count(x)
key = []
values = []
for k,v in workYear_table.items():
    key.append(k)
    values.append(v)
bar = Bar("柱状图")
bar.add("workYear", key, values, is_stack=True,center= (40,60))复制代码

• 词云图：

import jieba
from pyecharts import WordCloud
import pandas as pd
import re,numpy
​
stopwords_path = 'H:\PyCoding\Lagou_analysis\stopwords.txt'
def read_txt():
    with open("G:\lagou\Content\\ywkf_requirement.txt",encoding='gbk') as file:
        text = file.read()
        content = text
        # 去除全部评论里多余的字符
        content = re.sub('[,，。. \r\n]', '', content)
        segment = jieba.lcut(content)
        words_df = pd.DataFrame({'segment': segment})
        # quoting=3 表示stopwords.txt里的内容所有不引用
        stopwords = pd.read_csv(stopwords_path, index_col=False,quoting=3, sep="\t", names=['stopword'], encoding='utf-8')
        words_df = words_df[~words_df.segment.isin(stopwords.stopword)]
        words_stat = words_df.groupby(by=['segment'])['segment'].agg({"计数": numpy.size})
        words_stat = words_stat.reset_index().sort_values(by=["计数"], ascending=False)
        test = words_stat.head(200).values
        codes = [test[i][0] for i in range(0, len(test))]
        counts = [test[i][1] for i in range(0, len(test))]
        wordcloud = WordCloud(width=1300, height=620)
        wordcloud.add("必须技能", codes, counts, word_size_range=[20, 100])
        wordcloud.render("H:\PyCoding\Lagou_analysis\cloud_pit\ywkf_bxjn.html")复制代码

Python爬虫岗位薪酬

关键词解析：

学历：本科

工做月薪：10k-30k

工做经验：1-5年

技能：分布式、多线程、框架、Scrapy、算法、数据结构、数据库

综合：爬虫这个岗位在学历要求上比较放松，大多数为本科便可，比较适合想转业的老哥小姐姐，学起来也不会特别难。并且薪资待赶上也还算比较优厚，基本在10k以上。不过惟一对工做经验要求仍是比较高的，有近一半的企业要求工做经验要达到3年以上。

Python数据分析岗位

关键词解析：

学历：本科（硕士比例有所增高）

工做月薪：10k-30k

工做经验：1-5年

技能：SAS、SPSS、Hadoop、Hive、数据库、Excel、统计学、算法

综合：数据分析这个岗位在学历要求上比爬虫要求稍微高一些，硕士比例有所提高，专业知识上有必定要求。薪资待赶上也还算比较优厚，基本在10k以上，同时薪资在30k-40k的比例也有所上升。对工做经验要求仍是比较高，大部分的企业要求工做经验要达到3年以上。

Python后端岗位

关键词解析：

学历：本科

工做月薪：10k-30k

工做经验：3-5年

技能：Flask、Django、Tornado、Linux、MySql、Redis、MongoDB、TCP/IP、数学（哈哈）

综合：web后端这个岗位对学历要求不高，但专业知识上有很大要求，得会Linux操做系统基本操做、三大主流数据库的使用、以及三大基本web框架的使用等计算机相关知识，整体来讲难道仍是比较大。薪资待赶上也比较优厚，基本在10k以上，同时薪资在30k-40k的比例也有近20%。对工做经验要求仍是比较高，大部分的企业要求工做经验要达到3年以上。

Python全栈开发岗位 关键词解析：

学历：本科

工做月薪：10k-30k

工做经验：3-5年

技能：测试、运维、管理、开发、数据结构、算法、接口、虚拟化、前端

综合：全栈开发这个岗位什么都要懂些，什么都要学些，在学历要求上并不过高，本科学历便可，在专业知识上就不用说了，各个方面都得懂，还得理解运用。薪资待赶上也还能够，基本在10k以上，薪资在30k-40k的比例也有近20%。对工做经验要求仍是比较高，大部分的企业要求工做经验要达到3年以上。整体来讲，就我我的而言会以为全栈是个吃力多薪水少的岗位。

Python运维开发岗位 关键词解析：

学历：本科

工做月薪：10k-30k

工做经验：3-5年

技能：SVN、Git、Linux、框架、shell编程、mysql，redis，ansible、前端框架

综合：运维开发这个岗位在学历要求上不高，除开占一大半的本科，就是专科了。工做经验上仍是有一些要求，大多数要求有3-5年工做经验。从工资上看的话，不高也不低，20k以上也占有62%左右。要学习的东西也比较多，前端、后端、数据库、操做系统等等。

Python机器学习岗位 关键词解析：

学历：本科（硕士也占比很大）

工做月薪：30k以上

工做经验：3-5年

技能：Machine Learning，Data Mining，Algorithm 研发，算法，Linux，决策树，TF，Spark+MLlib，Cafe

综合：机器学习这个岗位在学历要求上比较严格，虽然看起来是本科居多，但对于刚毕业或毕业不久的同窗，若是只是个本科，应聘仍是颇有难度的。固然机器学习岗位薪资特高，60%在30k以上，近90%在20k以上，97%在10k以上。除开对学历要求比较高外，对工做经验要求也比较高，有近一半的企业要求工做经验要达到3年以上。

Python架构师岗位 关键词解析：

学历：本科

工做月薪：30k以上

工做经验：5-10年

技能：Flask，Django，MySQL，Redis，MongoDB，Hadoop，Hive，Spark，ElasticSearch，Pandas，Spark/MR，Kafka/rabitmq

综合：架构师这个岗位单从学历上看不出什么来，但在薪资上几乎与机器学习同样，甚至比机器学习还要高，机器学习中月薪40k以上的占23.56%，架构师中月薪40k以上的占30.67%。在学历要求上比机器学习要略低，本科居多，但在工做经验上一半以上的企业要求工做经验在5-10年。在必要技能上也要求特别严格，比以前说过的全栈开发师有过之而无不及。

看着这月薪，你想去哪里呢