课程亮点

爬虫的基本流程
re正则表达式模块的简单使用
requests模块的使用
保存csv

环境介绍

python 3.8 >>> 安装包找木子老师领取
pycharm 2021专业版需要激活可以找木子老师领取
pycharm 社区版 (免费) 没有主题
专业版 (需要激活码)

模块使用

requests >>> pip install requests (数据请求模块)
re
json
csv
time

如果你要去爬取网站数据内容

就要去分析数据是从哪里来得
通过开发者工具进行分析
(找数据内容)
发送请求对于目标网址发送请求
获取数据内容网页源代码 response.text

【付费VIP完整版】只要看了就能学会的教程，80集Python基础入门视频教学

爬虫代码

导入模块

import requests  # 数据请求模块 pip install requests
import re  # 正则表达式模块
import json  # 序列化与反序列化
import pprint  # 格式化输出模块
import csv
import time # 时间模块

发送请求对于目标网址发送请求

url = f'https://search.51job.com/list/010000%252C020000%252C030200%252C040000%252C180200,000000,0000,00,9,99,python,2,1.html'
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.61 Safari/537.36'
}
# 发送请求 requests调用里面get请求方法 然后把 url 以及 headers 传进去
response = requests.get(url=url, headers=headers)
# <Response [200]> 返回响应对象 response 200状态码 表示请求成功

解析数据内容提取想要数据

# re正则表达式 re正则表达式 可以直接提取字符串数据
# 使用re模块里面findall()方法
html_data = re.findall('window.__SEARCH_RESULT__ = (.*?)</script>', response.text)[0]
# 正则匹配出来的数据 是列表 []
json_data = json.loads(html_data)['engine_jds']
print(json_data)

for index in json_data:
    # 等号左边都是自定义变量
    # pprint.pprint(index)
    title = index['job_title']  # 职位名字
    company_name = index['company_name']  # 公司名字
    money = index['providesalary_text']  # 薪资
    job_welf = index['jobwelf']  # 福利
    # job_info = index['attribute_text'] #基本信息
    area = index['attribute_text'][0]  # 城市
    exp = index['attribute_text'][1]  # 经验
    edu = index['attribute_text'][2]  # 学历
    company_type = index['companyind_text']  # 公司类型
    date = index['updatedate']  # 发布日期
    href = index['job_href']  # 招聘详情页
    # 复制一行 ctrl + D
    dit = {
        '职位名字': title,
        '公司名字': company_name,
        '薪资': money,
        '公司福利': job_welf,
        '地区': area,
        '经验': exp,
        '学历': edu,
        '公司类型': company_type,
        '发布日期': date,
        '详情页': href,
    }
    print(title, company_name, money, area, exp, edu, job_welf, company_type, date, href)
    csv_writer.writerow(dit)

保存数据

f = open('数据.csv', mode='a', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=[
    '职位名字',
    '公司名字',
    '薪资',
    '公司福利',
    '地区',
    '经验',
    '学历',
    '公司类型',
    '发布日期',
    '详情页',
])
csv_writer.writeheader() # 写入表头

运行代码

对于本篇文章有疑问的同学可以加【资料白嫖、解答交流群：1039649593】

数据可视化代码

导入模块

import pandas as pd
from pyecharts.charts import *
from pyecharts import options as opts
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

导入数据

boss = pd.read_csv('data.csv', engine='python', encoding='utf-8')
boss

薪资区间

import numpy as np
def shulie(first,end,step):
    x = []
    for i in np.arange(first, end,step):
        x.append(i)
    return x
list_1 = shulie(0,10,0.5)

boss['top'].plot.hist(bins=30,figsize=(20,8),edgecolor="black")
plt.xticks(list_1)
plt.xlabel('万/月')
plt.ylabel('数量')
plt.show()

经验、学历要求情况

c = (
    Pie(init_opts=opts.InitOpts(width="1000px", height="600px", bg_color="#2c343c"))
    .add(
        series_name="经验需求占比",
        data_pair=data_pair_1,
        rosetype="radius",
        radius="55%",
        center=["25%", "50%"],
        label_opts=opts.LabelOpts(is_show=False, position="center", color="rgba(255, 255, 255, 0.3)"),
    )
    .add(
        series_name="学历需求占比",
        data_pair=data_pair_2,
        
        radius="55%",
        center=["75%", "50%"],
        label_opts=opts.LabelOpts(is_show=False, position="center", color="rgba(255, 255, 255, 0.3)"),
    )
    .set_series_opts(
        tooltip_opts=opts.TooltipOpts(
            trigger="item", formatter="{a} <br/>{b}: {c} ({d}%)"
        ),
        label_opts=opts.LabelOpts(color="rgba(255, 255, 255, 0.3)"),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(
            title="经验、学历需求占比",
            pos_left="center",
            pos_top="20",
            title_textstyle_opts=opts.TextStyleOpts(color="#fff"),
        ),
        legend_opts=opts.LegendOpts(is_show=False),
    )
    .set_colors(["#D53A35", "#334B5C", "#61A0A8", "#D48265", "#749F83"])
)
c.render_notebook()

哪些地区招聘人员比较多

from pyecharts.globals import SymbolType
address_count = boss.groupby('地区').count()['公司名字'].sort_values()
x = address_count.index.tolist()
y = address_count.values.tolist()

c = (
    PictorialBar()
    .add_xaxis(x)
    .add_yaxis(
        "",
        y,
        label_opts=opts.LabelOpts(is_show=False),
        symbol_size=18,
        symbol_repeat="fixed",
        symbol_offset=[0, 0],
        is_symbol_clip=True,
        symbol=SymbolType.ROUND_RECT,
    )
    .reversal_axis()
    .set_global_opts(
        title_opts=opts.TitleOpts(title="地区人员招聘数量"),
        xaxis_opts=opts.AxisOpts(is_show=False),
        yaxis_opts=opts.AxisOpts(
            axistick_opts=opts.AxisTickOpts(is_show=False),
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(opacity=0)
            ),
        ),
    )
)
c.render_notebook()

经验要求和薪资情况的情况是不是薪资越高经验要求越高

mean = boss.groupby('经验')['工资平均'].mean().sort_values()
x = mean.index.tolist()
y = mean.values.tolist()
c = (
    Bar()
    .add_xaxis(x)
    .add_yaxis(
        "工作经验",
        y,
        markpoint_opts=opts.MarkPointOpts(
            data=[opts.MarkPointItem(name="无需经验", coord=[x[3], y[3]], value=y[3])]
        )
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="不同工作经验的平均薪资"))
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
)
c.render_notebook()

mean = boss.groupby('学历')['工资平均'].mean().sort_values()
x = mean.index.tolist()
y = mean.values.tolist()
c = (
    Bar()
    .add_xaxis(x)
    .add_yaxis(
        "学历",
        y,
        markpoint_opts=opts.MarkPointOpts(
            data=[opts.MarkPointItem(name="学历不限", coord=[x[1], y[1]], value=y[1])]
        )
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="不同学历的平均薪资"))
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
)
c.render_notebook()

词云图

公司福利

import jieba

words = jieba.lcut(text)
#通过遍历words的方式,统计出每个词出现的频次
counts = {}
for word in words:
    if len(word) == 1:
        continue
    else:
        counts[word] = counts.get(word,0) + 1

c = (
    WordCloud()
    .add(series_name="热点分析", data_pair=new, word_size_range=[6, 66])
    .set_global_opts(
        title_opts=opts.TitleOpts(
            title="公司福利", title_textstyle_opts=opts.TextStyleOpts(font_size=23)
        ),
        tooltip_opts=opts.TooltipOpts(is_show=True),
    )
)
c.render_notebook()