本文的文字及圖片來源于網路,僅供學習、交流使用,不具有任何商業用途,如有問題請及時聯系我們以作處理，
以下文章來源于青燈編程 ，作者：清風
前言
本文的文字及圖片來源于網路,僅供學習、交流使用,不具有任何商業用途,如有問題請及時聯系我們以作處理，
基本開發環境
- Python 3.6
- Pycharm
相關模塊使用
- 爬蟲模塊
import requests import re import parsel import csv
- 詞云模塊
import jieba import wordcloud
目標網頁分析
通過開發者工具可以看到，獲取回傳資料之后，資料是
在 window.__SEARCH_RESULT__ 里面，可以使用正則匹配資料，
如下圖所示
'https://jobs.51job.com/beijing-ftq/127676506.html?s=01&t=0'
每一個招聘資訊的詳情頁都是有對應的ID，只需要正則匹配提取ID值，通過拼接URL，然后再去招聘詳情頁提取招聘資料即可，
response = requests.get(url=url, headers=headers) lis = re.findall('"jobid":"(\d+)"', response.text) for li in lis: page_url = 'https://jobs.51job.com/beijing-hdq/{}.html?s=01&t=0'.format(li)
雖然網站是靜態網頁，但是網頁編碼是亂碼，在爬取的程序中需要轉碼，
f = open('招聘.csv', mode='a', encoding='utf-8', newline='') csv_writer = csv.DictWriter(f, fieldnames=['標題', '地區', '作業經驗', '學歷', '薪資', '福利', '招聘人數', '發布日期']) csv_writer.writeheader() response = requests.get(url=page_url, headers=headers) response.encoding = response.apparent_encoding selector = parsel.Selector(response.text) title = selector.css('.cn h1::text').get() # 標題 salary = selector.css('div.cn strong::text').get() # 薪資 welfare = selector.css('.jtag div.t1 span::text').getall() # 福利 welfare_info = '|'.join(welfare) data_info = selector.css('.cn p.msg.ltype::attr(title)').get().split(' | ') area = data_info[0] # 地區 work_experience = data_info[1] # 作業經驗 educational_background = data_info[2] # 學歷 number_of_people = data_info[3] # 招聘人數 release_date = data_info[-1].replace('發布', '') # 發布日期 all_info_list = selector.css('div.tCompany_main > div:nth-child(1) > div p span::text').getall() all_info = '\n'.join(all_info_list) dit = { '標題': title, '地區': area, '作業經驗': work_experience, '學歷': educational_background, '薪資': salary, '福利': welfare_info, '招聘人數': number_of_people, '發布日期': release_date, } csv_writer.writerow(dit) with open('招聘資訊.txt', mode='a', encoding='utf-8') as f: f.write(all_info)
以上步驟即可完成關于招聘的相關資料爬取，
簡單粗略的資料清洗
- 薪資待遇
content = pd.read_csv(r'D:\python\demo\資料分析\招聘\招聘.csv', encoding='utf-8') salary = content['薪資'] salary_1 = salary[salary.notnull()] salary_count = pd.value_counts(salary_1)
- 學歷要求
content = pd.read_csv(r'D:\python\demo\資料分析\招聘\招聘.csv', encoding='utf-8') educational_background = content['學歷'] educational_background_1 = educational_background[educational_background.notnull()] educational_background_count = pd.value_counts(educational_background_1).head() print(educational_background_count) bar = Bar() bar.add_xaxis(educational_background_count.index.tolist()) bar.add_yaxis("學歷", educational_background_count.values.tolist()) bar.render('bar.html')
顯示招聘人數為無要求
- 作業經驗
content = pd.read_csv(r'D:\python\demo\資料分析\招聘\招聘.csv', encoding='utf-8') work_experience = content['作業經驗'] work_experience_count = pd.value_counts(work_experience) print(work_experience_count) bar = Bar() bar.add_xaxis(work_experience_count.index.tolist()) bar.add_yaxis("經驗要求", work_experience_count.values.tolist()) bar.render('bar.html')
詞云分析，技術點要求
py = imageio.imread("python.png") f = open('python招聘資訊.txt', encoding='utf-8') re_txt = f.read() result = re.findall(r'[a-zA-Z]+', re_txt) txt = ' '.join(result) # jiabe 分詞 分割詞匯 txt_list = jieba.lcut(txt) string = ' '.join(txt_list) # 詞云圖設定 wc = wordcloud.WordCloud( width=1000, # 圖片的寬 height=700, # 圖片的高 background_color='white', # 圖片背景顏色 font_path='msyh.ttc', # 詞云字體 mask=py, # 所使用的詞云圖片 scale=15, stopwords={' '}, # contour_width=5, # contour_color='red' # 輪廓顏色 ) # 給詞云輸入文字 wc.generate(string) # 詞云圖保存圖片地址 wc.to_file(r'python招聘資訊.png')
總結：
資料分析是真的粗糙，屬實辣眼睛~
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/235265.html
標籤：其他