BS1066-基于大数据爬虫实现互联网研发岗位数据分析平台

本基于大数据爬虫实现互联网研发岗位数据分析平台，系统主要采用java，互联网爬虫技术，动态图表echarts，springboot，mysql，mybatisplus，岗位推荐算法，实现基于互联网招聘岗位实现针对用户的岗位推荐，
系统提供招聘岗位网站前台，系统岗位数据分析可视化平台展示等功能。
系统招聘网站主要包含：用户登录注册，招聘岗位推荐，岗位推荐列表，用户建立，我的投递，用户浏览，招聘岗位分类，个人中心，招聘岗位详情等模块
系统可视化分析展示平台主要包含：岗位竞争力分析，岗位薪资分析，岗位分析报告，岗位技能分析，岗位数量分析，岗位地图分布等等。

原文地址

一、程序设计

本基于大数据爬虫实现互联网研发岗位数据分析平台，主要内容涉及：

主要功能模块：用户登录注册，招聘岗位推荐，岗位推荐列表，用户建立，我的投递，用户浏览，招聘岗位分类，个人中心，招聘岗位详情等模块。
主要包含技术：java，JSOUP，httpClient，数据处理，数据分析，echarts，springboot，mysql，mybatis，javascript，数据分析存储技术，推荐计算算法等

二、效果实现

演示视频

https://www.bilibili.com/video/BV19m4y177Ti/

系统首页

岗位检索

采集数据

数据可视化

程序报告

三、代码实现

系统招聘岗位管理主要采用前后端分离模式，针对招聘岗位数据查询封装成JSON格式，完成数据下发至系统界面端渲染，系统界面端针对JSON解析后采用javascript完成页面展示。

def wish_data(wages_old):"""
    数据清洗规则：
    分为元/天，千(以上/下)/月，万(以上/下)/月，万(以上/下)/年
    若数据是一个区间的，则求其平均值，最后的值统一单位为元/月
    """if'元/天' in wages_old:if'-' in wages_old.split('元')[0]:
            wages1 = wages_old.split('元')[0].split('-')[0]
            wages2 = wages_old.split('元')[0].split('-')[1]
            wages_new =(float(wages2)+float(wages1))/2*30else:
            wages_new =float(wages_old.split('元')[0])*30return wages_new

    elif '千/月' in wages_old or '千以下/月' in wages_old or '千以上/月' in wages_old:if'-' in wages_old.split('千')[0]:
            wages1 = wages_old.split('千')[0].split('-')[0]
            wages2 = wages_old.split('千')[0].split('-')[1]
            wages_new =(float(wages2)+float(wages1))/2*1000else:
            wages_new =float(wages_old.split('千')[0])*1000return wages_new

    elif '万/月' in wages_old or '万以下/月' in wages_old or '万以上/月' in wages_old:if'-' in wages_old.split('万')[0]:
            wages1 = wages_old.split('万')[0].split('-')[0]
            wages2 = wages_old.split('万')[0].split('-')[1]
            wages_new =(float(wages2)+float(wages1))/2*10000else:
            wages_new =float(wages_old.split('万')[0])*10000return wages_new

    elif '万/年' in wages_old or '万以下/年' in wages_old or '万以上/年' in wages_old:if'-' in wages_old.split('万')[0]:
            wages1 = wages_old.split('万')[0].split('-')[0]
            wages2 = wages_old.split('万')[0].split('-')[1]
            wages_new =(float(wages2)+float(wages1))/2*10000/12else:
            wages_new =float(wages_old.split('万')[0])*10000/12return wages_new

def wages_experience_chart(data):
    # 根据经验分类，求不同经验对应的平均薪资
    wages_experience = data.groupby('经验').mean()

    # 获取经验和薪资的值，将其作为画图的 x 和 y 数据
    w = wages_experience['工资'].index.values
    e = wages_experience['工资'].values

    # 按照经验对数据重新进行排序，薪资转为 int 类型（也可以直接在前面对 DataFrame 按照薪资大小排序）
    wages =[w[6], w[1], w[2], w[3], w[4], w[5], w[0]]
    experience =[int(e[6]),int(e[1]),int(e[2]),int(e[3]),int(e[4]),int(e[5]),int(e[0])]

    # 绘制柱状图
    plt.rcParams['font.sans-serif'] = ['MicrosoftYaHei']
    plt.figure(figsize=(9,6))
    x = wages
    y = experience
    color =['#E41A1C', '#377EB8', '#4DAF4A', '#984EA3', '#FF7F00', '#FFFF33', '#A65628']
    plt.bar(x, y, color=color)for a, b in zip(x, y):
        plt.text(a, b, b, ha='center', va='bottom')
    plt.title('Python 相关职位经验与平均薪资关系', fontsize=13)
    plt.xlabel('经验', fontsize=13)
    plt.ylabel('平均薪资（元 / 月）', fontsize=13)
    plt.savefig('wages_experience_chart.png')
    plt.show()

def wages_education_chart(data):
    # 根据学历分类，求不同学历对应的平均薪资
    wages_education = data.groupby('学历').mean()

    # 获取学历和薪资的值，将其作为画图的 x 和 y 数据
    wages = wages_education['工资'].index.values
    education =[int(i)for i in wages_education['工资'].values]

    # 绘制柱状图
    plt.rcParams['font.sans-serif'] = ['MicrosoftYaHei']
    plt.figure(figsize=(9,6))
    x = wages
    y = education
    color =['#E41A1C', '#377EB8', '#4DAF4A']
    plt.bar(x, y, color=color)for a, b in zip(x, y):
        plt.text(a, b, b, ha='center', va='bottom')
    plt.title('Python 相关职位学历与平均薪资关系', fontsize=13)
    plt.xlabel('学历', fontsize=13)
    plt.ylabel('平均薪资（元 / 月）', fontsize=13)
    plt.savefig('wages_education_chart.png')
    plt.show()