文章首發於微信公衆號：Python綠洲。如需轉載，請聯繫該公衆號
前言
之前發過一篇文章《 Python or Java？Boss直聘告訴你該如何選擇》, 主要是這兩種語言方向在應聘崗位上的比較，沒有涉及具體的崗位要求的分析。前兩天，剛好看到網上的一些學習路線圖，又對比了招聘網站上的要求，發現這兩者其實差不多。
所以就用爬蟲爬取了獵聘網上的崗位信息，對這些招聘信息進行處理，從中找出需要掌握的一些語言和工具，從而有目的地進行學習，更快的提高自己的能力，讓自己不再因爲不知道學習的線路而煩惱，也能夠符合招聘的要求。
查看網頁
從這個崗位職責中，可以看出需要掌握的工具或語言絕大多數都是以英文爲主。所以主要提取英文就行了。至於其他的信息就不進行提取了
流程
- 爬取搜索到的崗位鏈接
- 進一步爬取詳細的崗位要求
- 提取其中英文單詞
- pyecharts展示
爬取招聘崗位
使用beautifulsoup進行解析,主要將崗位名稱，詳細鏈接，公司，薪資，位置和學歷要求這幾個信息存到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存儲
詳細崗位要求
由於任職要求中有<br>標籤，需要將其切除，而且由於使用beautifulsoup解析，所以<br>是tag對象，需要創建對象再刪除。被這個問題困住了好久。
之後將所有爬取到的崗位要求都寫到一個文件中，方便後期使用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)
# 刪除<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", "")
#寫入文件
f = open('demands.txt', mode='a+', encoding='UTF-8')
f.write(demands_text + "\n")
f.close()
except:
logging.log("warning...")
分詞
使用jieba分詞之後，還需要將一些單詞例如：or，pc等上刪除，本着“寧可錯殺一千,不可放過一個”的原則，所以將少於1個字母的單詞使用正則去掉
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() # 全部轉換爲小寫
可視化
在這部分，之前只想着將需要掌握的工具用詞雲進行展示就好。然而，有點幸運呀！當使用Navicat12連接到MongoDB的時候，發現它有自動作圖分析的功能。所以先用Navicat中的功能，簡單的來看一下總體情況：
以爬蟲工程師爲關鍵詞查詢後，使用pyecharts進行數據展示
重點
個人感覺詞雲更加準確，不過詞雲和bar圖處理方式都是一樣的，只是表現形式不一樣而已。從柱狀圖中可以看出需要掌握的工具可以分爲三類：
- 數據庫：mysql、oracle、mongodb
- 解析：xpath、css
- 反爬：cookie、ip、scrapy、jwt
其中jwt(JSON Web Token) 我就不認識。所以通過這種方式，我就可以找到自己的盲區，就算不深入瞭解學習，但是百度一下，大概知道它是什麼，還是可以的嘛
最後
如果有感興趣的小夥伴，可以自己動手試一下。個人感覺這些排名前10的工具對自己的職業規劃還是有點幫助的，也希望能夠對你有所幫助！
github地址：https://github.com/stormdony/python_demo/tree/master/LiePin
歡迎關注微信公衆號：Python綠洲，獲取更多內容！