Python爬取招聘网站数据并分析岗位薪资,国内数据分析还是很吃香
欢迎点击右上角关注小编,除了分享技术文章之外还有很多福利,私信学习资料可以领取包括不限于Python实战演练、PDF电子文档、面试集锦、学习资料等。
前言
本次通过对BOSS直聘,拉勾网数据分析岗数据分析,了解数据分析岗位的行业情况,也以此来了解从事数据分析所需要的技能。
基本开发环境
版本:Python3
系统:Windows
相关模块:pyspider
直接在命令行pip3 install pyspider即可。
网页分析
获取BOSS直聘索引页信息,主要是岗位名称、薪资、地点、工作年限、学历要求,公司名称、类型、状态、规模。
获取拉勾网索引页信息,主要是岗位名称、地点、薪资、工作年限、学历要求,公司名称、类型、状态、规模,工作技能,工作福利。
网页为Ajax请求,采用PyCharm编写代码,轻车熟路。
爬取Boss直聘实现的代码
import requests import pymysql import random import time import json count = 0 # 设置请求网址及请求头参数 url = 'https://www.lagou.com/jobs/positionAjax.json?needAddtionalResult=false' headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36', 'Cookie': '你的Cookie值', 'Accept': 'application/json, text/javascript, */*; q=0.01', 'Connection': 'keep-alive', 'Host': 'www.lagou.com', 'Origin': 'https://www.lagou.com', 'Referer': 'ttps://www.lagou.com/jobs/list_%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90?labelWords=sug&fromSearch=true&suginput=shuju' } # 连接数据库 db = pymysql.connect(host='127.0.0.1', user='root', password='774110919', port=3306, db='lagou_job', charset='utf8mb4') def add_Mysql(id, job_title, job_salary, job_city, job_experience, job_education, company_name, company_type, company_status, company_people, job_tips, job_welfare): # 将数据写入数据库中 try: cursor = db.cursor() sql = 'insert into job(id, job_title, job_salary, job_city, job_experience, job_education, company_name, company_type, company_status, company_people, job_tips, job_welfare) values ("%d", "%s", "%s", "%s", "%s", "%s", "%s", "%s", "%s", "%s", "%s", "%s")' % (id, job_title, job_salary, job_city, job_experience, job_education, company_name, company_type, company_status, company_people, job_tips, job_welfare); print(sql) cursor.execute(sql) print(cursor.lastrowid) db.commit() except Exception as e: print(e) db.rollback() def get_message(): for i in range(1, 31): print('第' + str(i) + '页') time.sleep(random.randint(10, 20)) data = { 'first': 'false', 'pn': i, 'kd': '数据分析' } response = requests.post(url=url, data=data, headers=headers) result = json.loads(response.text) job_messages = result['content']['positionResult']['result'] for job in job_messages: global count count += 1 # 岗位名称 job_title = job['positionName'] print(job_title) # 岗位薪水 job_salary = job['salary'] print(job_salary) # 岗位地点 job_city = job['city'] print(job_city) # 岗位经验 job_experience = job['workYear'] print(job_experience) # 岗位学历 job_education = job['education'] print(job_education) # 公司名称 company_name = job['companyShortName'] print(company_name) # 公司类型 company_type = job['industryField'] print(company_type) # 公司状态 company_status = job['financeStage'] print(company_status) # 公司规模 company_people = job['companySize'] print(company_people) # 工作技能 if len(job['positionLables']) > 0: job_tips = ','.join(job['positionLables']) else: job_tips = 'None' print(job_tips) # 工作福利 job_welfare = job['positionAdvantage'] print(job_welfare + ' ') # 写入数据库 add_Mysql(count, job_title, job_salary, job_city, job_experience, job_education, company_name, company_type, company_status, company_people, job_tips, job_welfare) if __name__ == '__main__': get_message()
获取数据:
爬取拉勾网
import requests import pymysql import random import time import json count = 0 # 设置请求网址及请求头参数 url = 'https://www.lagou.com/jobs/positionAjax.json?needAddtionalResult=false' headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36', 'Cookie': '你的Cookie值', 'Accept': 'application/json, text/javascript, */*; q=0.01', 'Connection': 'keep-alive', 'Host': 'www.lagou.com', 'Origin': 'https://www.lagou.com', 'Referer': 'ttps://www.lagou.com/jobs/list_%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90?labelWords=sug&fromSearch=true&suginput=shuju' } # 连接数据库 db = pymysql.connect(host='127.0.0.1', user='root', password='774110919', port=3306, db='lagou_job', charset='utf8mb4') def add_Mysql(id, job_title, job_salary, job_city, job_experience, job_education, company_name, company_type, company_status, company_people, job_tips, job_welfare): # 将数据写入数据库中 try: cursor = db.cursor() sql = 'insert into job(id, job_title, job_salary, job_city, job_experience, job_education, company_name, company_type, company_status, company_people, job_tips, job_welfare) values ("%d", "%s", "%s", "%s", "%s", "%s", "%s", "%s", "%s", "%s", "%s", "%s")' % (id, job_title, job_salary, job_city, job_experience, job_education, company_name, company_type, company_status, company_people, job_tips, job_welfare); print(sql) cursor.execute(sql) print(cursor.lastrowid) db.commit() except Exception as e: print(e) db.rollback() def get_message(): for i in range(1, 31): print('第' + str(i) + '页') time.sleep(random.randint(10, 20)) data = { 'first': 'false', 'pn': i, 'kd': '数据分析' } response = requests.post(url=url, data=data, headers=headers) result = json.loads(response.text) job_messages = result['content']['positionResult']['result'] for job in job_messages: global count count += 1 # 岗位名称 job_title = job['positionName'] print(job_title) # 岗位薪水 job_salary = job['salary'] print(job_salary) # 岗位地点 job_city = job['city'] print(job_city) # 岗位经验 job_experience = job['workYear'] print(job_experience) # 岗位学历 job_education = job['education'] print(job_education) # 公司名称 company_name = job['companyShortName'] print(company_name) # 公司类型 company_type = job['industryField'] print(company_type) # 公司状态 company_status = job['financeStage'] print(company_status) # 公司规模 company_people = job['companySize'] print(company_people) # 工作技能 if len(job['positionLables']) > 0: job_tips = ','.join(job['positionLables']) else: job_tips = 'None' print(job_tips) # 工作福利 job_welfare = job['positionAdvantage'] print(job_welfare + ' ') # 写入数据库 add_Mysql(count, job_title, job_salary, job_city, job_experience, job_education, company_name, company_type, company_status, company_people, job_tips, job_welfare) if __name__ == '__main__': get_message()
获取数据:
数据可视化
01 城市分布图
岗位的分布情况,这里可以看出岗位大多都分布在东部地区,中部也有一些。
02 城市分布热力图
京津冀、长三角、珠三角密集度不相上下,成都重庆地区也有一小些需求。
可以说北上广深,这四个一线城市包揽了大部分的岗位需求。
03 工作经验薪水图
04 学历薪水图
总的来说「硕士」>「本科」>「大专」,当然大专、本科中也有高薪水的。
毕竟越往后能力就越重要,学历算是一个重要的加分项。
05 公司状态薪水图
06 公司规模薪水图
07 公司类型TOP10
08 工作技能图
09 工作福利图
总结
最后贴两张BOSS直聘以及拉勾网薪水TOP20,以此来作为勉励。
01 BOSS直聘薪水TOP20
02 拉勾网薪水TOP20
毕竟我们不能仅仅当条咸鱼,我们要当就当一只有梦想的咸鱼!!!