主要內(nèi)容

使用Python分別爬取百度搜索頁(yè)面結(jié)果和智聯(lián)招聘的6大類(lèi)職業(yè)信息，數(shù)據(jù)主要使用SQLServer SSAS進(jìn)行分析，并有少量的使用Python分析結(jié)果。

對(duì)于百度搜索的數(shù)據(jù)和智聯(lián)招聘的頁(yè)面數(shù)據(jù)是截然不同的方式，百度主要是動(dòng)態(tài)的生成數(shù)據(jù)而在智聯(lián)招聘上基本是靜態(tài)的數(shù)據(jù)，所以這兩個(gè)是具有一定的代表性的。

對(duì)于展示主要使用Excel，Excel作為SQLServer 數(shù)據(jù)分析中重要角色，易于操作使用。對(duì)于數(shù)據(jù)只有圖形化后，就變的極有吸引力，所以本文檔也主要是分析圖表進(jìn)行說(shuō)明。

l百度搜索頁(yè)面數(shù)據(jù)抓取

百度搜索頁(yè)面數(shù)據(jù)動(dòng)態(tài)生成，且在抓取過(guò)程中需要對(duì)廣告推廣項(xiàng)進(jìn)行排除。對(duì)于抓取的數(shù)據(jù)為，每個(gè)搜索項(xiàng)的說(shuō)明數(shù)據(jù)及所在搜索頁(yè)面中的位置，搜索的數(shù)據(jù)單元項(xiàng)如下

將抓取到數(shù)據(jù)，構(gòu)成文本文件，后使用Python的pycloudtag模塊和jieba分詞模塊，進(jìn)行關(guān)鍵字統(tǒng)計(jì)，制作標(biāo)簽云，效果如下：

對(duì)于提取到的出現(xiàn)頻率較高的關(guān)鍵詞有:

統(tǒng)計(jì)項(xiàng) 高頻

------------------------------------------------------------------------------------------------------------------

地區(qū) 北京，深圳，杭州，武漢等

技術(shù) Java,Php,Linux,Html5等

機(jī)構(gòu)

l智聯(lián)招聘完整信息抓取

對(duì)于招聘網(wǎng)站的數(shù)據(jù)，以靜態(tài)數(shù)據(jù)為主，并且結(jié)構(gòu)良好，所以非常適合爬蟲(chóng)進(jìn)行爬取，本次爬取了7000多個(gè)頁(yè)面的數(shù)據(jù)，并存儲(chǔ)在數(shù)據(jù)庫(kù)22萬(wàn)條數(shù)據(jù)。

爬取的內(nèi)容為6大類(lèi)的職業(yè)信息： IT運(yùn)維；IT質(zhì)量管理；互聯(lián)網(wǎng)開(kāi)發(fā)；軟件；系統(tǒng)集成；運(yùn)營(yíng)管理，其中可分為118個(gè)具體職業(yè)，樣例數(shù)據(jù)如下：

而具體的抽取數(shù)據(jù)的數(shù)據(jù)項(xiàng)，包含15個(gè)數(shù)據(jù)項(xiàng)，數(shù)據(jù)樣例如下：

通過(guò)抓取的數(shù)據(jù)構(gòu)建SSAS多維數(shù)據(jù)集進(jìn)行數(shù)據(jù)分析，對(duì)于構(gòu)造的多維數(shù)據(jù)模型如下：

度量值為：工資上下限 ；維度有5個(gè)為：城市，工種類(lèi)型，企業(yè)，任職要求，時(shí)間維度

前期數(shù)據(jù)情況分析結(jié)果

l使用事件SSIS事件探測(cè)任務(wù)

通過(guò)SSIS“數(shù)據(jù)事件探查任務(wù)”組件進(jìn)行對(duì)數(shù)據(jù)構(gòu)成進(jìn)行初步分析，這里列舉一些具有一些代表性的分析數(shù)據(jù)： 工作地址；企業(yè)規(guī)模；企業(yè)類(lèi)型；招聘要求 的分析結(jié)果（針對(duì)IT運(yùn)維；IT質(zhì)量管理；互聯(lián)網(wǎng)開(kāi)發(fā)；軟件；系統(tǒng)集成；運(yùn)營(yíng)管理6大類(lèi)的分析）

工作地點(diǎn)：排名前四位的北 上 深 廣 ，即也反應(yīng)這四地需求量最大