文章首发于微信公众号：Python绿洲 。如需转载，请联系该公众号
前言
之前发过一篇文章《 Python or Java？Boss直聘告诉你该如何选择》, 主要是这两种语言方向在应聘岗位上的比较，没有涉及具体的岗位要求的分析。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，让自己不再因为不知道学习的线路而烦恼，也能够符合招聘的要求。
查看网页
index
detail.png
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。
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("\r", "")
#写入文件
f = open('demands.txt', mode='a+', encoding='UTF-8')
f.write(demands_text + "\n")
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
company.png
edu
salary
重点
wordcould
bar
个人感觉词云更加准确，不过词云和bar图处理方式都是一样的，只是表现形式不一样而已。从柱状图中可以看出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，大概知道它是什么，还是可以的嘛
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的工具对自己的职业规划还是有点帮助的，也希望能够对你有所帮助！
github地址：https://github.com/stormdony/python_demo/tree/master/LiePin
欢迎关注微信公众号：Python绿洲，获取更多内容！
文章首发于微信公众号：Python绿洲 。如需转载，请联系该公众号
网友评论