溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹“python如何爬取前程無憂招聘數據”，在日常操作中，相信很多人在python如何爬取前程無憂招聘數據問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”python如何爬取前程無憂招聘數據”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！
目標url：
https://www.51job.com/
在前程無憂網輸入關鍵字python，搜索有關的崗位數據。翻頁查看這些招聘崗位信息，可以發現url翻頁的規律。
檢查網頁源代碼，可以找到想要提取的數據。
部分爬蟲代碼如下，完整見文末下載
async def parse(self, text):
# 正則匹配提取數據 try:
job_name = re.findall('"job_name":"(.*?)",', text) # 職位
company_name = re.findall('"company_name":"(.*?)",', text) # 公司名稱
salary = re.findall('"providesalary_text":"(.*?)",', text)
salary = [i.replace('\\', '') for i in salary] # 薪酬 去掉 \ 符號
city = re.findall('"workarea_text":"(.*?)",', text) # 城市
job_welfare = re.findall('"jobwelf":"(.*?)",', text) # 職位福利
attribute_text = re.findall('"attribute_text":(.*?),"companysize_text"', text)
attribute_text = ['|'.join(eval(i)) for i in attribute_text]
companysize = re.findall('"companysize_text":"(.*?)",', text) # 公司規模
category = re.findall('"companyind_text":"(.*?)",', text)
category = [i.replace('\\', '') for i in category] # 公司所屬行業 去掉 \ 符號
datas = pd.DataFrame({'company_name': company_name, 'job_name': job_name, 'companysize': companysize, 'city': city, 'salary': salary, 'attribute_text': attribute_text, 'category': category, 'job_welfare': job_welfare})
datas.to_csv('job_info.csv', mode='a+', index=False, header=True)
logging.info({'company_name': company_name, 'job_name': job_name, 'company_size': companysize, 'city': city, 'salary': salary, 'attribute_text': attribute_text, 'category': category, 'job_welfare': job_welfare})
except Exception as e:
print(e)運行效果如下：
爬取了200頁的招聘數據，共10000條招聘信息，用時49.919s。
import pandas as pd
df = pd.read_csv('job_info.csv')
# 異步爬蟲爬取數據時 datas.to_csv('job_info.csv', mode='a+', index=False, header=True) 刪除多的列名
df1 = df[df['salary'] != 'salary']
# 查看前10行
df1.head(10)
# city那一列數據 處理為城市
# 按 - 分割 expand=True 0那一列重新賦值給df['city']
df1['city'] = df1['city'].str.split('-', expand=True)[0]
df1.head(10)# 經驗要求 學歷要求 有的話是在attribute_text列里
df['attribute_text'].str.split('|', expand=True)
df1['experience'] = df1['attribute_text'].str.split('|', expand=True)[1]
df1['education'] = df1['attribute_text'].str.split('|', expand=True)[2]
df1保存為已清洗數據
df1.to_csv('已清洗數據.csv', index=False)查看索引、數據類型和內存信息
df2 = pd.read_csv('已清洗數據.csv')
df2.info()
(1) 柱形圖展示招聘崗位數最多的城市Top10
代碼如下：
import pandas as pd
import randomimport matplotlib.pyplot as plt
import matplotlib as mpl
df = pd.read_csv('已清洗數據.csv')
# 有些是異地招聘 過濾掉data = df[df['city'] != '異地招聘']['city'].value_counts()
city = list(data.index)[:10] # 城市
nums = list(data.values)[:10] # 崗位數
print(city)print(nums)colors = ['#FF0000', '#0000CD', '#00BFFF', '#008000', '#FF1493', '#FFD700', '#FF4500', '#00FA9A', '#191970', '#9932CC']
random.shuffle(colors)# 設置大小 像素plt.figure(figsize=(9, 6), dpi=100)
# 設置中文顯示mpl.rcParams['font.family'] = 'SimHei'
# 繪制柱形圖 設置柱條的寬度和顏色# color參數 每根柱條配置不同顏色plt.bar(city, nums, width=0.5, color=colors)
# 添加描述信息plt.title('招聘崗位數最多的城市Top10', fontsize=16)
plt.xlabel('城市', fontsize=12)
plt.ylabel('崗位數', fontsize=12)
# 展示圖片plt.show()運行效果如下：
['上海', '深圳', '廣州', '北京', '杭州', '成都', '武漢', '南京', '蘇州', '長沙'] [2015, 1359, 999, 674, 550, 466, 457, 444, 320, 211]
上海、深圳、廣州、北京提供了很多崗位，杭州、成都、武漢、南京等城市的招聘崗位數量也比較可觀。
(2) 計算崗位數據的薪酬，處理為多少K/月，劃分薪酬區間，統計薪酬分布情況，餅圖展示。
代碼如下：
# 設置中文顯示
mpl.rcParams['font.family'] = 'SimHei'
# 設置大小 像素plt.figure(figsize=(9, 6), dpi=100)
plt.axes(aspect='equal') # 保證餅圖是個正圓
explodes = [0, 0, 0, 0.1, 0.2, 0.3, 0.4, 0.5]
plt.pie(nums, pctdistance=0.75, shadow=True,
colors=colors, autopct='%.2f%%', explode=explodes,
startangle=15, labeldistance=1.1,
)# 設置圖例 調節圖例位置plt.legend(part_interval, bbox_to_anchor=(1.0, 1.0))
plt.title('招聘崗位的薪酬分布', fontsize=15)
plt.show()運行效果如下：
招聘崗位給的薪酬在5K-10K和10K-15K區間所占的比例較大，也有一定比例的50K以上的高薪資崗位。
(3) 查看招聘崗位對學歷的要求的情況，水平柱形圖可視化。
mport pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl
df = pd.read_csv(r'已清洗數據.csv')['education']
data = df.value_counts()labels = ['大專', '本科', '碩士', '博士']
nums = [data[i] for i in labels]
print(labels)print(nums)colors = ['cyan', 'red', 'yellow', 'blue']
# 設置中文顯示
mpl.rcParams['font.family'] = 'SimHei'
# 設置顯示風格
plt.style.use('ggplot')
# 設置大小 像素
plt.figure(figsize=(8, 6), dpi=100)
# 繪制水平柱狀圖
plt.barh(labels, nums, height=0.36, color=colors)
plt.title('招聘崗位對學歷的要求', fontsize=16)
plt.xlabel('崗位數量', fontsize=12)
plt.show()運行效果如下：
['大專', '本科', '碩士', '博士'] [2052, 6513, 761, 45]
(4) 查看招聘崗位對工作經驗的要求的情況，水平柱形圖可視化。
由于得到的工作經驗列里的數據并不規范，統計時需做特殊處理
代碼如下：
# 設置中文顯示
mpl.rcParams['font.family'] = 'SimHei'
# 設置顯示風格plt.style.use('ggplot')
# 設置大小 像素plt.figure(figsize=(9, 6), dpi=100)
# 繪制水平柱狀圖plt.barh(labels, nums, height=0.5, color=colors)
plt.title('招聘崗位對工作經驗的要求', fontsize=16)
plt.xlabel('崗位數量', fontsize=12)
plt.show()運行效果如下：
3-4年經驗 3361 2年經驗 2114 1年經驗 1471 5-7年經驗 1338 在校生\/應屆生 661 無需經驗 417 本科 182 8-9年經驗 105 10年以上經驗 64 碩士 59 招1人 57 招若干人 57 招2人 42 大專 30 招3人 14 博士 11 招5人 9 招4人 5 招10人 2 招7人 1 Name: experience, dtype: int64 ['無需經驗', '1年經驗', '2年經驗', '3-4年經驗', '5-7年經驗', '8-9年經驗', '10年以上經驗'] [1260, 1530, 2114, 3372, 1338, 105, 64]
【】#### (5) 查看招聘公司所屬行業的分布情況，詞云展示。
代碼如下：
import pandas as pd
import collectionsfrom wordcloud import WordCloud
import matplotlib.pyplot as plt
df = pd.read_csv(r'已清洗數據.csv')['category']
data = list(df.values)word_list = []for i in data:
x = i.split('/')
for j in x:
word_list.append(j)word_counts = collections.Counter(word_list)# 繪制詞云
my_cloud = WordCloud(
background_color='white', # 設置背景顏色 默認是black
width=900, height=500,
font_path='simhei.ttf', # 設置字體 顯示中文
max_font_size=120, # 設置字體最大值
min_font_size=15, # 設置子圖最小值
random_state=60 # 設置隨機生成狀態，即多少種配色方案
).generate_from_frequencies(word_counts)
# 顯示生成的詞云圖片
plt.imshow(my_cloud, interpolation='bilinear')
# 顯示設置詞云圖中無坐標軸
plt.axis('off')
plt.show()運行效果如下：
到此，關于“python如何爬取前程無憂招聘數據”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
