Python爬蟲獲取全網(wǎng)招聘數(shù)據(jù)實現(xiàn)可視化分析示例詳解
更新時間：2023年07月19日 11:01:05 作者：輕松學Python
這篇文章主要介紹了Python爬蟲獲取全網(wǎng)招聘數(shù)據(jù)實現(xiàn)可視化分析示例詳解,實現(xiàn)采集一下最新的qcwu招聘數(shù)據(jù),本文列舉了部分代碼以及實現(xiàn)思路,需要的朋友可以參考下
準備工作
軟件工具
先來看看需要準備啥
環(huán)境使用
Python 3.8
Pycharm
模塊使用
# 第三方模塊 需要安裝的 requests >>> pip install requests csv
實現(xiàn)爬蟲基本流程
一、數(shù)據(jù)來源分析: 思路固定
1.明確需求: - 明確采集網(wǎng)站以及數(shù)據(jù)內(nèi)容
- 網(wǎng)址: 51job
- 內(nèi)容: 招聘信息
2.通過開發(fā)者工具, 進行抓包分析, 分析具體數(shù)據(jù)來源
- 打開開發(fā)者工具: F12 / 右鍵點擊檢查選擇network
- 刷新網(wǎng)頁, 讓數(shù)據(jù)內(nèi)容重新加載一遍
- 通過搜索<搜索你要的數(shù)據(jù)>去找數(shù)據(jù)具體位置
- 招聘信息數(shù)據(jù)包: https://we.***.com/api/job/search-pc?api_key=51job×tamp=1688645783&keyword=python&searchType=2&function=&industry=&jobArea=010000%2C020000%2C030200%2C040000%2C090200&jobArea2=&landmark=&metro=&salary=&workYear=°ree=&companyType=&companySize=&jobType=&issueDate=&sortType=0&pageNum=1&requestId=&pageSize=20&source=1&accountId=&pageCode=sou%7Csou%7Csoulb
二、代碼實現(xiàn)步驟: 步驟固定
- 發(fā)送請求, 模擬瀏覽器對于url地址發(fā)送請求
請求鏈接: 招聘信息數(shù)據(jù)包url - 獲取數(shù)據(jù), 獲取服務器返回響應數(shù)據(jù) <所有的數(shù)據(jù)>
開發(fā)者工具: response - 解析數(shù)據(jù), 提取我們想要的數(shù)據(jù)內(nèi)容
招聘基本信息 - 保存數(shù)據(jù), 把信息數(shù)據(jù)保存表格文件里面
代碼解析
模塊
# 導入數(shù)據(jù)請求模塊 import requests # 導入格式化輸出模塊 from pprint import pprint # 導入csv import csv
- 發(fā)送請求, 模擬瀏覽器對于url地址發(fā)送請求
headers = {
'Cookie': 'guid=54b7a6c4c43a33111912f2b5ac6699e2; sajssdk_2015_cross_new_user=1; sensorsdata2015jssdkcross=%7B%22distinct_id%22%3A%2254b7a6c4c43a33111912f2b5ac6699e2%22%2C%22first_id%22%3A%221892b08f9d11c8-09728ce3464dad8-26031d51-3686400-1892b08f9d211e7%22%2C%22props%22%3A%7B%22%24latest_traffic_source_type%22%3A%22%E7%9B%B4%E6%8E%A5%E6%B5%81%E9%87%8F%22%2C%22%24latest_search_keyword%22%3A%22%E6%9C%AA%E5%8F%96%E5%88%B0%E5%80%BC_%E7%9B%B4%E6%8E%A5%E6%89%93%E5%BC%80%22%2C%22%24latest_referrer%22%3A%22%22%7D%2C%22identities%22%3A%22eyIkaWRlbnRpdHlfY29va2llX2lkIjoiMTg5MmIwOGY5ZDExYzgtMDk3MjhjZTM0NjRkYWQ4LTI2MDMxZDUxLTM2ODY0MDAtMTg5MmIwOGY5ZDIxMWU3IiwiJGlkZW50aXR5X2xvZ2luX2lkIjoiNTRiN2E2YzRjNDNhMzMxMTE5MTJmMmI1YWM2Njk5ZTIifQ%3D%3D%22%2C%22history_login_id%22%3A%7B%22name%22%3A%22%24identity_login_id%22%2C%22value%22%3A%2254b7a6c4c43a33111912f2b5ac6699e2%22%7D%2C%22%24device_id%22%3A%221892b08f9d11c8-09728ce3464dad8-26031d51-3686400-1892b08f9d211e7%22%7D; nsearch=jobarea%3D%26%7C%26ord_field%3D%26%7C%26recentSearch0%3D%26%7C%26recentSearch1%3D%26%7C%26recentSearch2%3D%26%7C%26recentSearch3%3D%26%7C%26recentSearch4%3D%26%7C%26collapse_expansion%3D; search=jobarea%7E%60010000%2C020000%2C030200%2C040000%2C090200%7C%21recentSearch0%7E%60010000%2C020000%2C030200%2C040000%2C090200%A1%FB%A1%FA000000%A1%FB%A1%FA0000%A1%FB%A1%FA00%A1%FB%A1%FA99%A1%FB%A1%FA%A1%FB%A1%FA99%A1%FB%A1%FA99%A1%FB%A1%FA99%A1%FB%A1%FA99%A1%FB%A1%FA9%A1%FB%A1%FA99%A1%FB%A1%FA%A1%FB%A1%FA0%A1%FB%A1%FApython%A1%FB%A1%FA2%A1%FB%A1%FA1%7C%21; privacy=1688644161; Hm_lvt_1370a11171bd6f2d9b1fe98951541941=1688644162; Hm_lpvt_1370a11171bd6f2d9b1fe98951541941=1688644162; JSESSIONID=BA027715BD408799648B89C132AE93BF; acw_tc=ac11000116886495592254609e00df047e220754059e92f8a06d43bc419f21; ssxmod_itna=Qqmx0Q0=K7qeqD5itDXDnBAtKeRjbDce3=e8i=Ax0vTYPGzDAxn40iDtrrkxhziBemeLtE3Yqq6j7rEwPeoiG23pAjix0aDbqGkPA0G4GG0xBYDQxAYDGDDPDocPD1D3qDkD7h6CMy1qGWDm4kDWPDYxDrjOKDRxi7DDvQkx07DQ5kQQGxjpBF=FHpu=i+tBDkD7ypDlaYj9Om6/fxMp7Ev3B3Ix0kl40Oya5s1aoDUlFsBoYPe723tT2NiirY6QiebnnDsAhWC5xyVBDxi74qTZbKAjtDirGn8YD===; ssxmod_itna2=Qqmx0Q0=K7qeqD5itDXDnBAtKeRjbDce3=e8i=DnIfwqxDstKhDL0iWMKV3Ekpun3DwODKGcDYIxxD==; acw_sc__v2=64a6bf58f0b7feda5038718459a3b1e625849fa8',
'Referer': 'https://we.51job.com/pc/search?jobArea=010000,020000,030200,040000,090200&keyword=python&searchType=2&sortType=0&metro=',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36',
}
# 請求鏈接
url = 'https://we.***.com/api/job/search-pc'
# 請求參數(shù)
data = {
'api_key': '51job',
'timestamp': '*****',
'keyword': '****',
'searchType': '2',
'function': '',
'industry': '',
'jobArea': '010000,020000,030200,040000,090200',
'jobArea2': '',
'landmark': '',
'metro': '',
'salary': '',
'workYear': '',
'degree': '',
'companyType': '',
'companySize': '',
'jobType': '',
'issueDate': '',
'sortType': '0',
'pageNum': '1',
'requestId': '',
'pageSize': '20',
'source': '1',
'accountId': '',
'pageCode': 'sou|sou|soulb',
}
# 發(fā)送請求
response = requests.get(url=url, params=data, headers=headers)- 獲取數(shù)據(jù)
獲取服務器返回響應數(shù)據(jù) <所有的數(shù)據(jù)>
開發(fā)者工具: response
- response.json() 獲取響應json數(shù)據(jù)
- 解析數(shù)據(jù)
提取我們想要的數(shù)據(jù)內(nèi)容
for循環(huán)遍歷
for index in response.json()['resultbody']['job']['items']:
# index 具體崗位信息 --> 字典
dit = {
'職位': index['jobName'],
'公司': index['fullCompanyName'],
'薪資': index['provideSalaryString'],
'城市': index['jobAreaString'],
'經(jīng)驗': index['workYearString'],
'學歷': index['degreeString'],
'公司性質(zhì)': index['companyTypeString'],
'公司規(guī)模': index['companySizeString'],
'職位詳情頁': index['jobHref'],
'公司詳情頁': index['companyHref'],
}- 以字典方式進行數(shù)據(jù)保存
csv_writer.writerow(dit) print(dit)
- 保存表格
f = open('python.csv', mode='w', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=[
'職位',
'公司',
'薪資',
'城市',
'經(jīng)驗',
'學歷',
'公司性質(zhì)',
'公司規(guī)模',
'職位詳情頁',
'公司詳情頁',
])
csv_writer.writeheader()可視化部分
import pandas as pd
df = pd.read_csv('data.csv')
df.head()
df['學歷'] = df['學歷'].fillna('不限學歷')
edu_type = df['學歷'].value_counts().index.to_list()
edu_num = df['學歷'].value_counts().to_list()
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
c = (
Pie()
.add(
"",
[
list(z)
for z in zip(edu_type,edu_num)
],
center=["40%", "50%"],
)
.set_global_opts(
title_opts=opts.TitleOpts(title="Python學歷要求"),
legend_opts=opts.LegendOpts(type_="scroll", pos_left="80%", orient="vertical"),
)
.set_series_opts(label_opts=opts.LabelOpts(formatter=": {c}"))
)
c.load_javascript()
c.render_notebook()
df['城市'] = df['城市'].str.split('·').str[0]
city_type = df['城市'].value_counts().index.to_list()
city_num = df['城市'].value_counts().to_list()
c = (
Pie()
.add(
"",
[
list(z)
for z in zip(city_type,city_num)
],
center=["40%", "50%"],
)
.set_global_opts(
title_opts=opts.TitleOpts(title="Python招聘城市分布"),
legend_opts=opts.LegendOpts(type_="scroll", pos_left="80%", orient="vertical"),
)
.set_series_opts(label_opts=opts.LabelOpts(formatter=": {c}"))
)
c.render_notebook()
def LowMoney(i):
if '萬' in i:
low = i.split('-')[0]
if '千' in low:
low_num = low.replace('千', '')
low_money = int(float(low_num) * 1000)
else:
low_money = int(float(low) * 10000)
else:
low = i.split('-')[0]
if '元/天' in low:
low_num = low.replace('元/天', '')
low_money = int(low_num) * 30
else:
low_money = int(float(low) * 1000)
return low_money
df['最低薪資'] = df['薪資'].apply(LowMoney)
def MaxMoney(j):
Max = j.split('-')[-1].split('·')[0]
if '萬' in Max and '萬/年' not in Max:
max_num = int(float(Max.replace('萬', '')) * 10000)
elif '千' in Max:
max_num = int(float(Max.replace('千', '')) * 1000)
elif '元/天' in Max:
max_num = int(Max.replace('元/天', '')) * 30
else:
max_num = int((int(Max.replace('萬/年', '')) * 10000) / 12)
return max_num
df['最高薪資'] = df['薪資'].apply(MaxMoney)
def tranform_price(x):
if x <= 5000.0:
return '0~5000元'
elif x <= 8000.0:
return '5001~8000元'
elif x <= 15000.0:
return '8001~15000元'
elif x <= 25000.0:
return '15001~25000元'
else:
return '25000以上'
df['最低薪資分級'] = df['最低薪資'].apply(lambda x:tranform_price(x))
price_1 = df['最低薪資分級'].value_counts()
datas_pair_1 = [(i, int(j)) for i, j in zip(price_1.index, price_1.values)]
df['最高薪資分級'] = df['最高薪資'].apply(lambda x:tranform_price(x))
price_2 = df['最高薪資分級'].value_counts()
datas_pair_2 = [(i, int(j)) for i, j in zip(price_2.index, price_2.values)]
pie1 = (
Pie(init_opts=opts.InitOpts(theme='dark',width='1000px',height='600px'))
.add('', datas_pair_1, radius=['35%', '60%'])
.set_series_opts(label_opts=opts.LabelOpts(formatter=":wppm3vysvbp%"))
.set_global_opts(
title_opts=opts.TitleOpts(
title="Python工作薪資\n\n最低薪資區(qū)間",
pos_left='center',
pos_top='center',
title_textstyle_opts=opts.TextStyleOpts(
color='#F0F8FF',
font_size=20,
font_weight='bold'
),
)
)
.set_colors(['#EF9050', '#3B7BA9', '#6FB27C', '#FFAF34', '#D8BFD8', '#00BFFF', '#7FFFAA'])
)
pie1.render_notebook()
pie1 = (
Pie(init_opts=opts.InitOpts(theme='dark',width='1000px',height='600px'))
.add('', datas_pair_2, radius=['35%', '60%'])
.set_series_opts(label_opts=opts.LabelOpts(formatter=":wppm3vysvbp%"))
.set_global_opts(
title_opts=opts.TitleOpts(
title="Python工作薪資\n\n最高薪資區(qū)間",
pos_left='center',
pos_top='center',
title_textstyle_opts=opts.TextStyleOpts(
color='#F0F8FF',
font_size=20,
font_weight='bold'
),
)
)
.set_colors(['#EF9050', '#3B7BA9', '#6FB27C', '#FFAF34', '#D8BFD8', '#00BFFF', '#7FFFAA'])
)
pie1.render_notebook()
exp_type = df['經(jīng)驗'].value_counts().index.to_list()
exp_num = df['經(jīng)驗'].value_counts().to_list()
c = (
Pie()
.add(
"",
[
list(z)
for z in zip(exp_type,exp_num)
],
center=["40%", "50%"],
)
.set_global_opts(
title_opts=opts.TitleOpts(title="Python招聘經(jīng)驗要求"),
legend_opts=opts.LegendOpts(type_="scroll", pos_left="80%", orient="vertical"),
)
.set_series_opts(label_opts=opts.LabelOpts(formatter=": {c}"))
)
c.render_notebook()
# 按城市分組并計算平均薪資
avg_salary = df.groupby('城市')['最低薪資'].mean()
CityType = avg_salary.index.tolist()
CityNum = [int(a) for a in avg_salary.values.tolist()]
avg_salary_1 = df.groupby('城市')['最高薪資'].mean()
CityType_1 = avg_salary_1.index.tolist()
CityNum_1 = [int(a) for a in avg_salary_1.values.tolist()]
from pyecharts.charts import Bar
# 創(chuàng)建柱狀圖實例
c = (
Bar()
.add_xaxis(CityType)
.add_yaxis("", CityNum)
.set_global_opts(
title_opts=opts.TitleOpts(title="各大城市Python低平均薪資"),
visualmap_opts=opts.VisualMapOpts(
dimension=1,
pos_right="5%",
max_=30,
is_inverse=True,
),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45)) # 設置X軸標簽旋轉(zhuǎn)角度為45度
)
.set_series_opts(
label_opts=opts.LabelOpts(is_show=False),
markline_opts=opts.MarkLineOpts(
data=[
opts.MarkLineItem(type_="min", name="最小值"),
opts.MarkLineItem(type_="max", name="最大值"),
opts.MarkLineItem(type_="average", name="平均值"),
]
),
)
)
c.render_notebook()
# 創(chuàng)建柱狀圖實例
c = (
Bar()
.add_xaxis(CityType_1)
.add_yaxis("", CityNum_1)
.set_global_opts(
title_opts=opts.TitleOpts(title="各大城市Python高平均薪資"),
visualmap_opts=opts.VisualMapOpts(
dimension=1,
pos_right="5%",
max_=30,
is_inverse=True,
),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45)) # 設置X軸標簽旋轉(zhuǎn)角度為45度
)
.set_series_opts(
label_opts=opts.LabelOpts(is_show=False),
markline_opts=opts.MarkLineOpts(
data=[
opts.MarkLineItem(type_="min", name="最小值"),
opts.MarkLineItem(type_="max", name="最大值"),
opts.MarkLineItem(type_="average", name="平均值"),
]
),
)
)
c.render_notebook()
### 結(jié)論:
1. 學歷要求基本大專以上
2. 薪資待遇: 8000-25000 左右
3. 北上廣 薪資偏高一些
### 如何簡單實現(xiàn)可視化分析
1. 通過爬蟲采集完整的數(shù)據(jù)內(nèi)容 --> 表格 / 數(shù)據(jù)庫
2. 讀取文件內(nèi)容
3. 統(tǒng)計每個類目的數(shù)據(jù)情況
4. 通過可視化模塊: <使用官方文檔提供代碼模板去實現(xiàn)>
import pandas as pd
# 讀取數(shù)據(jù)
df = pd.read_csv('data.csv')
# 顯示前五行數(shù)據(jù)
df.head()
c_type = df['公司性質(zhì)'].value_counts().index.to_list() # 統(tǒng)計數(shù)據(jù)類目
c_num = df['公司性質(zhì)'].value_counts().to_list() # 統(tǒng)計數(shù)據(jù)個數(shù)
c_type
from pyecharts.charts import Bar # 導入pyecharts里面柱狀圖
from pyecharts.faker import Faker # 導入隨機生成數(shù)據(jù)
from pyecharts.globals import ThemeType # 主題設置
c = (
Bar({"theme": ThemeType.MACARONS}) # 主題設置
.add_xaxis(c_type) # x軸數(shù)據(jù)
.add_yaxis("", c_num) # Y軸數(shù)據(jù)
.set_global_opts(
# 標題顯示
title_opts={"text": "Python招聘企業(yè)公司性質(zhì)分布", "subtext": "民營', '已上市', '外資（非歐美）', '合資', '國企', '外資（歐美）', '事業(yè)單位'"}
)
# 保存html文件
# .render("bar_base_dict_config.html")
)
# print(Faker.choose()) # ['小米', '三星', '華為', '蘋果', '魅族', 'VIVO', 'OPPO'] 數(shù)據(jù)類目
# print(Faker.values()) # [38, 54, 20, 85, 71, 22, 38] 數(shù)據(jù)個數(shù)
c.render_notebook() # 直接顯示在jupyter上面到此這篇關(guān)于Python爬蟲獲取全網(wǎng)招聘數(shù)據(jù)實現(xiàn)可視化分析示例詳解的文章就介紹到這了,更多相關(guān)Python獲取全網(wǎng)招聘數(shù)據(jù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了Django-form表單與請求的生命周期，本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2020-06-06
這篇文章主要介紹 Python 編程技巧,我們知道，字典的本質(zhì)是哈希表，本身是無法排序的，但 Python 3.6 之后，字典是可以按照插入的順序進行遍歷的，這就是有序字典，其中的原理，可以閱讀為什么 Python3.6 之后字典是有序的。本文也會介紹該內(nèi)容,需要的朋友可以參考一下2021-10-10
本文主要介紹了Appium自動化測試實現(xiàn)H5頁面元素定位，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-02-02
本文介紹了Python中四個常用的字符串方法：split分割、join拼接、strip去除空白和replace替換,詳細解釋了每個方法的功能、用法和實際應用場景,幫助提高文本處理效率,需要的朋友可以參考下2026-04-04
這篇文章主要介紹了python UNIX_TIMESTAMP時間處理方法,結(jié)合實例形式分析了Python針對UNIX_TIMESTAMP時間的常見運算技巧,需要的朋友可以參考下2016-04-04
Python?代替?xftp?從?Linux?服務器下載文件的操作方法
我們經(jīng)常需要從Linux服務器上同步文件,但是xftp等工具都需要注冊了,這里用免費的Python代碼來下載文件,還可以擴展更多的自定義用法,這篇文章主要介紹了Python?代替?xftp?從?Linux?服務器下載文件,需要的朋友可以參考下2024-06-06
關(guān)于python簡單的爬蟲操作(requests和etree)
這篇文章主要介紹了關(guān)于python簡單的爬蟲操作(requests和etree),文中提供了實現(xiàn)代碼,需要的朋友可以參考下2023-04-04
Python如何將jpg圖像修改大小并轉(zhuǎn)換為png
這篇文章主要介紹了Python如何將jpg圖像修改大小并轉(zhuǎn)換為png問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-09-09
Python入門案例之找出文件中出現(xiàn)次數(shù)最多的10個單詞
這篇文章主要為大家?guī)硪粋€簡單的Python入門案例——找出文件中出現(xiàn)次數(shù)最多的10個單詞，文中的示例代碼講解詳細，感興趣的小伙伴可以了解一下2023-02-02
這篇文章主要介紹了python使用cPickle模塊序列化的方法,是一個非常實用的技巧,需要的朋友可以參考下2014-09-09