我的第一个数据分析项目——51job“数据分析”岗位分析(爬虫篇)

自学python断断续续快一年了,从最初看邹琪鲜老师的视频,到参考网上的代码修修改改,再到现在能够根据实际需求写点东西,虽然期间有过较长时间的停滞期,但很高兴自己仍旧走在这条荆棘小路上。

最初我把重心都放在编写爬虫代码上,后来发现如果要走数据分析这条路的话,爬虫仅仅是个辅助工具,真正重要的数据分析思维,所以有了我的第一个数据分析项目。

我在网上找到了一个类似的分析案例,学习并参考,当然还有取长补短。参考案例链接:https://blog.csdn.net/lbship/article/details/79452459

筛选条件

我这里用的关键字是“数据分析师”,因为搜索“数据分析”的显示的岗位太杂,相关性比较差。
搜索地点是“全国”,结果按时间排序显示。

数据分析搜索结果,岗位相关性差

51job爬虫代码

# -*- coding: utf-8 -*-
"""
Created on Fri Sep  7 15:08:19 2018

@author: Shirley
"""
import requests
from lxml import etree
import time
import random
import csv


urllist = []
def Geturl(page):#获取列表链接
    url = "https://search.51job.com/list/000000,000000,0000,00,9,99,数据分析师,2,%d.html?lang=c&stype=1&postchannel=0000&workyear=99&cotype=99&degreefrom=99&jobterm=99&companysize=99&lonlat=0%%2C0&radius=-1&ord_field=1&confirmdate=9&fromType=&dibiaoid=0&address=&line=&specialarea=00&from=&welfare="%page
    #关键词“数据分析师”,地点:全国,按时间排序
    resp = requests.get(url)
    try:
        urlcontent = etree.HTML(resp.text,parser=etree.HTMLParser(encoding="gbk"))
        myurls = urlcontent.xpath("//p[@class='t1 ']/span/a/@href")
        for myurl in myurls:
            urllist.append(myurl)
    except:
        print("第%d页没有获取!"%page)
        

data = []
def Getcontent(urllist):#根据链接抓取详细内容
    for myurl in urllist:
        try:
            resp = requests.get(myurl)
            maincontent = etree.HTML(resp.text,parser=etree.HTMLParser(encoding="gbk"))
            job = maincontent.xpath("string(//div[@class='cn']/h1)")
            salary = maincontent.xpath("string(//div[@class='cn']/strong)")
            company = maincontent.xpath("string(//a[@class='catn'])")
            companytype = maincontent.xpath("string(//p[@class='at'][1])")
            companysize = maincontent.xpath("string(//p[@class='at'][2])")
            companyfield = maincontent.xpath("string(//p[@class='at'][3])")
            requirements = maincontent.xpath("string(//p[@class='msg ltype'])")
            welfare = maincontent.xpath("string(//div[@class='t1'])")
            jobdescription = maincontent.xpath("string(//div[@class='bmsg job_msg inbox'])")
            workplace = maincontent.xpath("string(//div[@class='bmsg inbox']/p[@class='fp'])")
            data.append([myurl,job.replace("\t","").encode("gbk","ignore").decode("gbk"),salary.replace("\t","").encode("gbk","ignore").decode("gbk"),company.replace("\t","").encode("gbk","ignore").decode("gbk"),companytype.replace("\t","").encode("gbk","ignore").decode("gbk"),companysize.replace("\t","").encode("gbk","ignore").decode("gbk"),companyfield.replace("\t","").encode("gbk","ignore").decode("gbk"),requirements.replace("\t","").encode("gbk","ignore").decode("gbk"),welfare.replace("\t","").encode("gbk","ignore").decode("gbk"),jobdescription.replace("\t","").encode("gbk","ignore").decode("gbk"),workplace.replace("\t","").encode("gbk","ignore").decode("gbk")])
        except:
            print("%s没有获取"%myurl)
if __name__ == "__main__":
    for page in range(1,243):#共242页,根据实际情况修改
        Geturl(page)
        time.sleep(random.uniform(0.7,1.5))
    #print(urllist,len(urllist))
    Getcontent(urllist)
    time.sleep(random.uniform(0.7,2.5))
    with open ("51job.csv","w",newline = "") as f:
        writer = csv.writer(f)
        writer.writerow(["url","job","salary","company","companytype","companysize","companyfield","requirements","welfare","jobdescription","workplace"])
        for k in data:
            writer.writerow(k)
爬虫结果

一共爬取了11000条左右的数据,但是又删除了很多无效数据,请听下回分解。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,657评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,662评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,143评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,732评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,837评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,036评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,126评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,868评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,315评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,641评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,773评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,470评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,126评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,859评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,095评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,584评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,676评论 2 351

推荐阅读更多精彩内容