开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 人工智能 -> Python爬虫实战，requests模块，Python实现拉勾网求职信息数据分析与可视化 -> 正文阅读

[人工智能]Python爬虫实战，requests模块，Python实现拉勾网求职信息数据分析与可视化

前言

利用requests爬取拉勾网求职信息数据分析与可视化，废话不多说。

让我们愉快地开始吧~

开发工具

**Python版本：**3.6.4

相关模块：

requests模块；

re模块；

os模块

jieba模块；

pandas模块

numpy模块

pyecharts模块；

以及一些Python自带的模块。

环境搭建

安装Python并添加到环境变量，pip安装需要的相关模块即可。

数据爬取

爬取拉勾网求职信息

1.requests 请求，获取单页面

# 我们最常用的流程：网页上复制url->发送get请求—>打印页面内容->分析抓取数据 
# 1.获取拉钩网url 
req_url = 'https://www.lagou.com/jobs/list_python?city=%E5%85%A8%E5%9B%BD&cl=false&fromSearch=true&labelWords=&suginput=' 
# 2.发送get请求 
req_result = requests.get(req_url) 
# 3.打印请求结果 
print(req_result.text)

输出结果如下

<html>  
    <head>     
        <meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1"><meta name="renderer"  content="webkit">     
        <meta http-equiv="Content-Type" content="text/html; charset=utf-8">  </head>  
 <script type="text/javascript" src="https://www.lagou.com/utrack/trackMid.js?version=1.0.0.3&t=1529144464"></script>  
 <body>   
  <input type="hidden" id="KEY" value="VAfyhYrvroX6vLr5S9WNrP16ruYI6aYOZIwLSgdqTWc"/>  
 <script type="text/javascript">HZRxWevI();</script>é?μé?￠?? è????-...  <script type="text/javascript" src="https://www.lagou.com/upload/oss.js"></script>  
 </body></html>

上述结果我们可以看出与我们想象的还是差别很大。
为什么会出现以上这种情况呢，其实很简单，因为它并不是简单的静态页面,我们知道请求方式有get和post请求两种基本区别如下

(1)Get是向服务器发索取数据的一种请求；而Post是向服务器提交数据的一种请求，要提交的数据位于信息头后面的实体中。GET和POST只是发送机制不同，并不是一个取一个发. (2)GET请求时其发送的信息是以url明文发送的，其参数会被保存在浏览器历史或web服务器中，而post则不会某（这也是后面我们翻页的时候发现拉勾网翻页时浏览器 url栏地址没有变化的原因。）

2.分析页面加载，找到数据

1.请求分析

在拉钩网首页,按F12进入开发者模式，然后在查询框中输入python,点击搜索,经过我的查找，终于找到了页面上职位信息所在的页面，的确是一个post请求，而且页面返回内容为一个json格式的字典。

json格式字典

2.返回数据内容分析
? 页面上：我们主要获取7个数据（公司|城市|职位|薪资|学历要求|工作经验|职位优点）

获取数据

json数据中：我把爬下来的json数据整理了一下，如下图

数据整理

我们会发现，我们需要的数据全在req_info['content']['positionResult']['result']里面，为一个列表，而且还包含许多其他的信息，本次我们不关心其他数据。我们所需要数据如下图框

3.添加headers 信息，模仿浏览器请求

通过上面的请求分析我们可以找到post请求的网址为：https://www.lagou.com/jobs/positionAjax.json?needAddtionalResult=false,如果此时我们直接发送post请求，会提示如下代码：

{'success': False, 'msg': '您操作太频繁,请稍后再访问', 'clientIp': '122.xxx.xxx.xxx'}

出现这种提示的原因是，我们直接post访问url,服务器会把我们误认为‘机器人’，这也是一种反爬，解决方法很简单，加一个请求头即可完全模拟浏览器请求，请求头获取见下图

请求头

4.解析页面，实现翻页爬取

分析发现下面规律：
在post请求中，有个请求参数->表单数据，包含三个参数first、kd、pn,通过动图演示，我们不难猜出其含义

data = {  
               'first':'true', # 是不是第一页，false表示不是，true 表示是                        'kd':'Python', # 搜索关键字         
               'pn':1 # 页码      
        }

代码

import requests\
# 1. post 请求的 url\
req_url = 'https://www.lagou.com/jobs/positionAjax.json?needAddtionalResult=false'\
# 2. 请求头 headers\
headers = {'你的请求头'}\
# 3. for 循环请求\
for i in range(1,31):\
   data = { 'first':'false','kd':'Python','pn':i}    \
   # 3.1 requests 发送请求\
   req_result = requests.post(req_url,headers = headers,data = data)    req_result.encoding = 'utf-8'\
   # 3.2 获取数据\
   req_info = req_result.json()    \
   # 打印出获取到的数据\
   print(req_info)

5.爬取数据存入csv文件

def file_do(list_info):    # 获取文件大小    file_size = os.path.getsize(r'G:\lagou_test.csv')    \
   if file_size == 0:        \
       # 表头        name = ['公司','城市','职位','薪资','学历要求','工作经验','职位优点']        \
       # 建立DataFrame对象        file_test = pd.DataFrame(columns=name, data=list_info)        \
       # 数据写入        file_test.to_csv(r'G:\lagou_test.csv', encoding='gbk',index=False)    \
   else:        \
       with open(r'G:\lagou_test.csv','a+',newline='') as file_test :  # 追加到文件后面            writer = csv.writer(file_test)          \
           # 写入文件            writer.writerows(list_info)

展示爬取的数据

数据可视化

数据分析+pyechart数据可视化

薪资分布分析

# 薪资分析，下面的几个都是柱状图，和这个地方分析一样# 统计各个城市出现次数
salary_lists = {}for x in city: 
salary_lists[x] = salary.count(x) 
key = [] 
values = []for k,v in salary_lists.items():    
    key.append(k)    
    values.append(v) 
bar2 = Bar('求职信息数据化','需求量',page_title='薪资分布')
# 图表其他主题：vintage,macarons,infographic,shine，roma
bar2.use_theme('vintage') 
bar2.add('薪资',key,values,is_more_utils = True,is_datazoom_show = True,xaxis_interval=0, xaxis_rotate=30, yaxis_rotate=30) 
bar2.render()

薪资分布分析

我们可以看到，python的薪资基本都是10k起步，大部分公司给出薪资在10k-40k之间，所以，不要怕学python吃不到饭。

2.工作地点分析

工作地点分析

通过图表，我们很容易看出，需要python程序员的公司大多分布在北京、上海、深圳，再后面就是广州了，所以，学python的同学千万不要去错城市哦。

3.职位学历要求

职位学历要求

根据图表显示，python程序员的学历要求并不高，主要是本科，虽然学历要求不高，但一定要有思辨能力哦。

4.工作经验要求

工作经验要求

主要是需要3-5年工作经验的同学，不老也不年轻，成熟稳重，又能学新东西的年龄，招聘公司真聪明。

5.工作职位研究方向分析

工作职位研究方向分析

6.工作福利优点分析

# 福利关键词分析
content = ''
# 连接所有公司福利介绍
for x in positionAdvantage:    
    content = content + x
# 去除多余字符
content = re.sub('[,、（），1234567890；;&%$#@!~_=+]', '', content)
# jieba 切词，pandas、numpy计数
segment = jieba.lcut(content) 
words_df = pd.DataFrame({'segment': segment}) 
words_stat = words_df.groupby(by=['segment'])['segment'].agg({"计数": numpy.size}) 
words_stat = words_stat.reset_index().sort_values(by=["计数"], ascending=False) test = words_stat.head(1000).values
# 制作词云图\
codes = [test[i][0] for i in range(0,len(test))] 
counts = [test[i][1] for i in range(0,len(test))] 
wordcloud = WordCloud(width=1300, height=620,page_title='福利关键词') wordcloud.add("福利关键词", codes, counts, word_size_range=[20, 100]) wordcloud.render()