大数据招聘信息数据分析：基于Python网络爬虫的IT招聘就业岗位数据分析可视化推荐系统

文章目录

基于Python网络爬虫的IT招聘就业岗位数据分析可视化推荐系统

项目概述

本项目旨在开发一个基于Python网络爬虫技术的IT招聘就业岗位可视化分析推荐系统。数据来源于Boss直聘招聘网站，采集到的各种岗位数据信息量合计在70万左右，数据精确真实可靠，本项目主要利用selenium、requests爬虫以及BeautifulSoup、numpy和Pandas等库进行数据的获取与分析处理。除此之外，项目还包括词云生成、数据分析、精准分析岗位算法推荐以及多维度薪资预测等功能，旨在为求职者提供全面的就业信息支持。

1.数据爬取与清洗：利用selenium和requests等库，结合BeautifulSoup解析HTML页面，从boss直聘等招聘网站上抓取相关数据。爬取的数据包括岗位名称、薪资、公司名称、公司规模、职位描述等。爬取后的数据需要进行清洗和预处理，确保数据的准确性和完整性。

2.词云生成：利用爬取的职位描述等文本数据，使用词云生成技术，将关键词可视化展示，帮助用户快速了解招聘岗位的主要特点和需求。

3.数据分析与可视化：利用Python的数据分析库（如Pandas、NumPy等）对爬取的数据进行分析，探索招聘市场的趋势、热门岗位、薪资水平等多维度、多层次招聘数据岗位关键信息。同时，利用可视化库（如Matplotlib、Echarts、Seaborn、Plotly等）生成直观、易于理解的图表和图形，提供给用户参考。

4.岗位算法推荐：根据用户输入的个人信息、技能和求职偏好，结合爬取的岗位数据，设计并实现精准分析岗位推荐给用户，为用户推荐匹配度较高的岗位，提高求职效率。

5.机器学习算法薪资预测：基于爬取的历史薪资数据以及其他相关因素，建立机器学习算法薪资预测模型，为用户提供对于不同岗位薪资水平的预测，帮助他们更好地评估职位的吸引力。

通过以上功能，本项目旨在为求职者提供一个综合性的就业信息平台，帮助他们更好地了解市场需求、制定求职策略，并通过推荐系统和薪资预测模型提供个性化的职位推荐和薪资参考，从而促进求职过程的顺利进行。

招聘岗位数据爬虫分析

通过selenium爬虫模块，能够快速准确的爬取所需要的详细招聘信息，可以精准爬取所需要的招聘岗位地区，城市，岗位名称，如’python’, ‘算法’, ‘测试’，'python’等不同IT岗位通过关键字都可以精确爬取。

然后将爬虫和数据处理接口全部封装到runtest脚本，完成所需要的招聘岗位数据爬虫及数据清洗。

#数据爬虫
 spider = bosszp_spider.Spider()
 spider.run()#数据清洗# #
handle = datahandle.DataHandle()
handle.run()

selenium爬取招聘岗位详细信息并进行数据清洗，这里我的chromedriver.exe版本是v110，一定选择浏览器所兼容支持的版本号。
在这里插入图片描述

在这里插入图片描述

看下我之前爬取到的C语言招聘岗位详细数据信息
在这里插入图片描述

部分核心代码：

from selenium import webdriver
from bs4 import BeautifulSoup
import mysql

classSpider(object):def__init__(self):# 创建数据库对象
        self.__sql = mysql.MySql()# 无头浏览器开启
        self.__driver = webdriver.Chrome('spider/chromedriver.exe')# 隐式等待
        self.__driver.implicitly_wait(20)# 设置需要爬取的 【关键词】
        self.__keyword =['c','java','python','web前端','.net','u3d','c#','c++','算法','ios','Android']#self.__keyword = ['.net', 'u3d', 'c#', 'c++', '算法', 'ios', 'Android']#self.__keyword = ['测试', '运维','算法', 'ios', 'Android']# self.__keyword = ['python']# self.__keyword = ['python', '算法', '测试']# self.__keyword = ['Android']def__del__(self):# 关闭无头浏览器，减少内存损耗
        self.__driver.quit()# 设置爬取关键词defsetKeyword(self, keyword):
        self.__keyword =[]ifisinstance(keyword,list):
            self.__keyword = keyword
        else:
            var =str(keyword)
            var.strip()if" "in var:
                keyword_list = var.split(' ')
                self.__keyword = keyword_list
            else:
                self.__keyword.append(var)# 获取所有关键词defgetKeyword(self):return self.__keyword

    # 爬虫方法defrun(self):print(">>>开始获取...")# 城市json# 在下方设置需要爬取的【城市】

        cities =[{"name":"北京","code":101010100,"url":"/beijing/"},{"name":"上海","code":101020100,"url":"/shanghai/"},{"name":"广州","code":101280100,"url":"/guangzhou/"},{"name":"深圳","code":101280600,"url":"/shenzhen/"},# {"name": "杭州", "code": 101210100, "url": "/hangzhou/"},# {"name": "天津", "code": 101030100, "url": "/tianjin/"},# {"name": "西安", "code": 101110100, "url": "/xian/"},# {"name": "苏州", "code": 101190400, "url": "/suzhou/"},# {"name": "武汉", "code": 101200100, "url": "/wuhan/"},# {"name": "厦门", "code": 101230200, "url": "/xiamen/"},# {"name": "长沙", "code": 101250100, "url": "/changsha/"},# {"name": "成都", "code": 101270100, "url": "/chengdu/"},# {"name": "郑州", "code": 101180100, "url": "/zhengzhou/"},# {"name": "重庆", "code": 101040100, "url": "/chongqing/"},# {"name": "佛山", "code": 101280800, "url": "/foshan/"},# {"name": "合肥", "code": 101220100, "url": "/hefei/"},# {"name": "济南", "code": 101120100, "url": "/jinan/"},# {"name": "青岛", "code": 101120200, "url": "/qingdao/"},# {"name": "南京", "code": 101190100, "url": "/nanjing/"},# {"name": "东莞", "code": 101281600, "url": "/dongguan/"},# {"name": "福州", "code": 101230100, "url": "/fuzhou/"}..............................................]# 总记录数
        all_count =0# 关键词爬取for key in self.__keyword:print('>>>当前获取关键词: "{}"'.format(key))# 单个关键词爬取记录数
            key_count =0# 每个城市爬取for city in cities:print('>>>当前获取城市: "{}"'.format(city['name']))# 记录每个城市爬取数据数目
                city_count =0# 只获取前十页
                urls =['https://www.zhipin.com/c{}/?query={}&page={}&ka=page-{}'.format(city['code'], key, i, i)for i inrange(1,11)]# 逐条解析for url in urls:
                    self.__driver.get(url)# 获取源码，解析
                    html = self.__driver.page_source
                    bs = BeautifulSoup(html,'html.parser')# 获取搜索框，用于判断是否被异常检测
                    flag = bs.find_all('div',{'class':'inner home-inner'})# 主要信息获取
                    job_all = bs.find_all('div',{"class":"job-primary"})# 解析页面for job in job_all:# 工作名称
                        job_name = job.find('span',{"class":"job-name"}).get_text()# 工作地点
                        job_place = job.find('span',{'class':"job-area"}).get_text()# 工作公司
                        job_company = job.find('div',{'class':'company-text'}).find('h3',{'class':"name"}).get_text()# 公司规模
                        job_scale = job.find('div',{'class':'company-text'}).find('p').get_text()# 工作薪资
                        job_salary = job.find('span',{'class':'red'}).get_text()# 工作学历
                        job_education = job.find('div',{'class':'job-limit'}).find('p').get_text()[-2:]# 工作经验
                        job_experience = job.find('div',{'class':'job-limit'}).find('p').get_text()# 工作标签
                        job_label = job.find('a',{'class':'false-link'}).get_text()# 技能要求
                        job_skill = job.find('div',{'class':'tags'}).get_text().replace("\n"," ").strip()# 福利
                        job_welfare = job.find('div',{'class':'info-desc'}).get_text().replace("，"," ").strip()#职位类型 追加type=key

                        # 数据存储
                        self.__sql.saveData(job_name, job_place, job_company, job_scale, job_salary, job_education,
                                             job_experience,
                                             job_label,
                                             job_skill,
                                             job_welfare,type).......

最后爬取不同城市的详细真实IT招聘岗位数据大约70万条，爬的时间也挺久。

在这里插入图片描述