爬网站（如何用Python爬网站数据）

作为一名在数据行业打拼了两年多的数据分析师，虽然目前收入还算ok，但每每想起房价，男儿三十还未立，内心就不免彷徨不已~两年时间里曾经换过一份工作，一直都是从事大数据相关的行业。目前是一家企业的BI工程师，主要工作就是给业务部门出报表和业务分析报告。回想自己过去的工作成绩也还算是不错的，多次通过自己分析告，解决了业务的疑难杂症，领导们各种离不开。但安逸久了总会有点莫名的慌张，所以我所在的这个岗位未来会有多大发展空间，十年之后我能成为什么样的人呢？自己的收入空间还有多少？一番惆怅之后，别再问路在何方了，于是抄起自己的“家伙”，花了一小会时间爬了智联招聘上BI岗位的数据信息，做了个分析。PS：所用工具为Python+BI数据分析的过程如同烧一顿饭，先要数据采集（买菜），然后数据建模（配菜）、数据清洗（洗菜）、数据分析（做菜）、数据可视化（摆盘上菜）。所以第一步，要采集/选择数据。一、Python爬取智联招聘岗位信息（附源码）选择智联招聘，通过Python来进行“BI工程师”的关键数据信息的爬取，这里大家也可以试着爬取自己岗位的关键词，如“数据分析师”、“java开发工程师 ”等。经过F12分析调试，数据是以JSON的形式存储的，可以通过智联招聘提供的接口调用返回。那么我这边通过Python对智联招聘网站的数据进行解析，爬取了30页数据，并且将岗位名称、公司名称、薪水、所在城市、所属行业、学历要求、工作年限这些关键信息用CSV文件保存下来。附上完整Python源码：<pre style=”-webkit-tap-highlight-color: transparent; box-sizing: border-box; font-family: Consolas, Menlo, Courier, monospace; font-size: 16px; white-space: pre-wrap; position: relative; line-height: 1.5; color: rgb(153, 153, 153); margin: 1em 0px; padding: 12px 10px; background: rgb(244, 245, 246); border: 1px solid rgb(232, 232, 232); font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: normal; letter-spacing: normal; orphans: 2; text-align: start; text-indent: 0px; text-transform: none; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; text-decoration-style: initial; text-decoration-color: initial;”>import requests import json import csv from urllib.parse import urlencode import timedef saveHtml(file_name,file_content): #保存conten对象为html文件 with open(file_name.replace(‘/’,’_’)+’.html’,’wb’) as f: f.write(file_content)def GetData(url,writer):#解析并将数据保存为CSV文件 response= requests.get(url) data=response.content saveHtml(‘zlzp’,data) #保存html文件 jsondata=json.loads(data) dataList=jsondata[‘data’][‘results’]print(jsondata)for dic in dataList: jobName=dic[‘jobName’] #岗位名称 company=dic[‘company’][‘name’] #公司名称 salary=dic[‘salary’] #薪水 city=dic[‘city’][‘display’] #城市 jobtype = dic[‘jobType’][‘display’] #所属行业 eduLevel=dic[‘eduLevel’][‘name’] #学历要求 workingExp=dic[‘workingExp’][‘name’] #工作经验 print(jobName,company,salary,city,jobtype,eduLevel,workingExp) writer.writerow([jobName,company,salary,city,jobtype,eduLevel,workingExp]) param={ ‘start':0, ‘pageSize':60, ‘cityId':489, ‘workExperience':-1, ‘education':-1, ‘companyType': -1, ‘employmentType': -1, ‘jobWelfareTag': -1, ‘kw': ‘BI工程师’, #搜索关键词，可以根据你需要爬取的岗位信息进行更换 ‘kt': 3, ‘lastUrlQuery': {“p”:1,”pageSize”:”60″,”jl”:”681″,”kw”:”python”,”kt”:”3″} }#参数配置 pages=range(1,31)#爬取1-30页数据 out_f = open(‘test.csv’, ‘w’, newline=”) writer = csv.writer(out_f) writer.writerow([‘jobName’,’company’,’salary’,’city’,’jobtype’,’eduLevel’,’workingExp’]) for p in pages: #自动翻页 param[‘start’]=(p-1)*60 param[‘lastUrlQuery’][‘p’]=p url = ‘https://fe-api.zhaopin.com/c/i/sou?’ + urlencode(param) GetData(url,writer) time.sleep(3)#间隔休眠3秒，防止IP被封 print(p) out_f.close() </pre>经过一番编译调试，代码成功运行。全部数据爬取完毕，一共1800条，保存在本地CSV文件中。数据是爬到了，具体我想了解哪些信息呢：各城市的BI岗位需求情况以及薪资水平；薪水随工作经验的涨幅情况，以及有哪些具体的高薪岗。由此可见，想要分析的角度很多，且看了源数据，还要做不少的数据处理。最简单快速出可视化的方法自然是用BI工具，来对数据做简单清洗加工，并呈现可视化。BI能应付绝大多数场景的数据分析，尤其擅长多维数据切片，不需要建模；甚至数据清洗环节也能放在前端，通过过滤筛选、新建计算公式等来解决。最后呈现可视化，并可设计数据报告。这里我用FineBI来做这样一份分析。FineBI做分析大体是这样的流程：连接/导入数据——数据处理/清洗（过滤、筛选、新增公式列）——探索式分析——数据可视化——出报告。二、数据清洗加工1.薪水上下限分割：将CSV文件数据导入FineBI中（新建数据链接，建立一个分析业务包，然后导入这张excel表）。因为薪水是以xxK-xxk（还有一些类似校招/薪资面议的数据）的形式进行存储的，我这边使用FineBI新增公式列（类似excel函数）将这些字符进行分割：薪水下限（数值）：left( indexofarray ( split (salary,”-“) ,1),find( “K”,INDEXOFARRAY( split(salary,”-“) ,1))-1)薪水上限（含K字符）：right ( indexofarray( split(salary,”-“) ,2),len(salary)- find(“K”,indexofarray(split(salary,”-“),2 ) ) )薪水上限（数值）：left( 薪水上限(文本),find(“K”,薪水上限(文本))-1 )这样就得到每个岗位的数值格式的薪水区间了：2.脏数据清洗：浏览了一下数据，没有大问题，但是发现里面有一些类似BIM工程师的岗位信息，这些应该都是土木行业的工程师，这边我直接过滤掉即可（不包含“BIM”且不包含“bim”）。3.岗位平均数据计算再新增列，平均薪水=(薪水下限+薪水上限)/2，即可得到每个岗位的平均薪水。4.真实城市截取由于城市字段存储有的数据为“城市-区域”格式，例如“上海-徐汇区”，为了方便分析每个城市的数据，最后新增列“城市”，截取“-”前面的真实城市数据。城市：if(find(“-“,city)>0 , left(city, find(“-“,city)-1 ),city)至此，18000多条数据差不多清洗完毕，食材已经全部准备好，下面可以正式开始数据可视化的美食下锅烹饪。三、数据可视化数据可视化可以说是很简单了，拖拽要分析的数据字段即可。但是这里用finebi分析要理解一个思路。常规我们用excel做分析或者说做图表，是先选用钻则图表然后设定系列、数值。这里没有系列和数值的概念，只有横轴和竖轴。拖入什么字段，该字段就以该轴进行扩展，至于图表嘛，finebi会自动判别推荐。我这边以各城市平均薪水/岗位数量分析为例给大家简单展示FineBI的可视化呈现过程。1、横轴以“城市”字段扩展，展现两类数据。先是薪水值，拖拽到纵轴，默认对数值类的字段是汇总求和的。点击字段可直接对改字段修改计算、过滤等操作。此图来自官网，图中数据不是本次分析的数据，仅供参考2、然后分析每个城市BI岗位的情况。将数据记录数这个指标拖入到纵轴展示。同样的方式，可以修改字段名。这里为了区分两者，将其修改为折线图，并且倒叙展示。同理，其他图表也是这样的操作，想清楚展现什么样的数据，怎样展现，数据要作何处理。就得心应手了。其他图表就不一一赘述了。最后，大概花了15分钟，一份完整的智联招聘网站-BI工程师岗位数据分析的可视化报告就制作完成啦~审美有限，只能做成这样，其实这个FineBI还能做出这样的效果。四、分析结果1.目前BI工程师岗位在智联招聘网站的平均薪资为13.46K（痛哭。。。拉低平均薪水的存在），主要薪水区间大概在12-15K（占比27.07%），相关工作需求总数为634个（仅仅为某一天的招聘需求数据）。2.从城市岗位需求数量分布来看，BI工程师需求主要集中在北京、上海、深圳、广州区域；各城市BI工程师平均薪水方面，去除岗位需求量较少的城市来看，国内排在前面的分别为深圳（14.72K）、上海（14.59K）、北京（14.51）、杭州（12.07K）、成都（11.13K）、广州（10.94K）。3.从工作年限的平均薪水和岗位需求数量来看，工作5-10年的资深BI工程师的平均薪水可以达到20K以上（朝资深BI工程师方向奋斗！！！1年以下年限的计算出来的平均薪水虽然为19K，但是由于样本量只有3个，所以参考意义不大），其中大部分的工作需求年限为3-5年，平均薪水为14.24K。4.从学历方面来看，最低学历需求主要以本科/大专为主，本科和大专学历要求的平均薪资分别为12.68K和11.97K（感觉差距并不大，过硬的技术实力可能才是企业最为看重的吧），博士和硕士学历需求很少。5.看了一些高薪的招聘企业，最高的可以给到30K~40K的薪酬水平，其中主要是互联网、IT类公司为主。好啦，以上就是我的分享，如果你跟我一样都喜欢python，想成为一名优秀的程序员，也在学习python的道路上奔跑，欢迎你加入python学习群：839383765 群内每天都会分享最新业内资料，分享python免费课程，共同交流学习，让学习变（编）成（程）一种习惯！