学python就业前景怎么样?

alpha

学了python之后能找到工作吗？相信很多小伙伴都有过这个困扰，那我们今天就用python来分析一下，学了python以后能找到工作吗？能找到什么样的工作。

抓取信息

分析数据的前提是有数据。

这次主要爬取智联招聘python的职位信息。因为我个人感觉智联招聘的信息更全面一点，不过找工作的网站都大同小异，爬取适合自己的就可以。

完整代码见Github: https://github.com/alpha87/Zhilian.
原文链接：http://alpha87.cn

代码部分
库

1. import pymongo

复制代码

这些算是爬取信息最常用的库了。
1. pymongo是python和mongo数据库相关操作的库；
2. requests这个库应该不用介绍了吧，网站爬虫的老朋友了；
3. pyquery主要是作为CSS选择器，指定网页中的对应信息；
4. multiprocessing是多进程库。

解析网页

1. <blockquote>def get_page(url):

复制代码

这部分的作用是模拟浏览器访问网页，如果状态码是200就返回网页内容，如果是其他就返回None。因为网页正常响应返回的状态码是200,我们在这里做一个简单的判断。这样的话在之后爬取过程中出现特殊情况我们可以做其他对策。

在这里给大家推荐一个python库：fake-useragent。这个库可以模拟多种浏览器，安装也非常简单。

1. pip install fake-useragent

复制代码

使用也很简单：

1. UA = UserAgent()
   
2. 
   
3. UA.Safari

复制代码

输入不同的浏览器名就生成对应的请求头。

解析工作详细信息网页

1. <blockquote>def parse_index_page(html):

复制代码

这部分把上一个函数返回的网页信息用pyquery解析成可以用CSS定位的内容。然后我们获取每一条工作信息的url，因为返回的url有些不符合条件，所以就加了一条判断，`http://jobs`开头的才是我们需要的职位信息的url。

定位工作的详细信息

我们先看一下我们需要获取的信息：



我们需要获取职位的名称，提供职位的公司名称，公司介绍url，职位月薪，工作地点，发布日期，工作性质，工作经验，最低学历，招聘人数，职位类别，职位描述和工作地址这些信息。

1. <blockquote>def parse_detail_page(html):

复制代码

这些代码分别抓取到上述有关职位的信息。利用生成器生成这些信息。在使用CSS选择器定位的时候如果出现信息不准确的问题，就定位该标签的父标签。一般都能解决，如果还是显示无关的内容，就试试使用正则或者字符串方法处理。

保存到mongo数据库

1. <blockquote>def save_to_mongo(content):

复制代码

这部分用来把爬取到的信息保存到数据库。为了爬取到的内容不重复，就使用数据库的更新方法，以“职位描述”为判断依据，因为职位名称可以有重复，职位描述重复的几率估计是没有。如果成功插入信息就输出`Saved`，如果插入失败就输出`Failed`。

保存到txt

1. <blockquote>def save_catrgory(content):

复制代码

这些代码把不同的信息分别保存到txt文本中，为了下面的职业分析做准备。

运行

1. def main(page):
   
2.     url = "http://sou.zhaopin.com/jobs/searchresult.ashx?jl=%E5%85%A8%E5%9B%BD&kw=python&sm=0&p={}".format(page)
   
3.     html = get_page(url)
   
4.     docs = parse_index_page(html)
   
5.     print("休息后继续...")
   
6.     time.sleep(random.randint(1,5))
   
7.     for doc in docs:
   
8.         html = get_page(doc)
   
9.         job_infors = parse_detail_page(html)
   
10.         for job_infor in job_infors:
    
11.             save_to_mongo(job_infor)
    
12.             save_demand(job_infor['职位描述'])
    
13.             save_location(job_infor['地点'])
    
14.             save_salary(job_infor['职位月薪'])
    
15.             save_treatment(job_infor['待遇'])
    
16.             save_education(job_infor['最低学历'])
    
17.             save_catrgory(job_infor['职位类别'])
    
18.             save_experience(job_infor['工作经验'])
    
19.             print("休息...")
    
20.             time.sleep(random.randint(1,5))
    
21. 
    
22. 
    
23. if __name__ == '__main__':
    
24.     pool = Pool()
    
25.     try:
    
26.         pool.map(main, [page for page in range(1,200)])
    
27.         print("\n采集完成!")
    
28.     except:
    
29.         print("可能已经采集完毕。")

复制代码

这部分代码就是将上面的函数运行起来，利用多进程加快爬取速度。

完成了代码的介绍，接下来就是分析我们爬取到的数据了。


数据分析

职位要求

每份工作都会对应一份公司自己拟定的职位要求，我们在爬取过程中单独保存成txt文件。利用词频统计的方式生成词云。



这是处理后的职位要求生成的词云。可以看出公司希望求职者具备扎实的专业技能，良好的沟通能力和合作能力。可以是实习生，可以是学徒，当然更好可以是专家，这些在职位要求中都有体现。

工作地点

python在一线城市非常受欢迎，北京、上海、深圳就占据了一半。



北上广深这些地方的同学找工作找实习会方便不少啊，需求量还是蛮大的。

职业薪资



这个图大家感受一下，python工作的薪资主要集中在8000~15000元左右，配合上图工作地点的分布，说明北上广地区的工资集中在8000～20000元左右，还是比较有诱惑力的。这也为你继续深入学习python提供了动力啊！

工作经验



公司对工作经验的要求还是蛮高的，3～5年出现的次数比较多。

员工福利

给你们一张图感受一下，其实福利还是蛮不错的，还有的总会有的。



python热度



这张图相信大家已经不是第一次见到了。python已经进了最流行编程语言的前五，而且python还被运用于各个方面，不论是科学计算，数据分析，还是艺术，游戏，都有python的身影。这么有用的语言，有什么理由不坚持下来学习呢？

总结

我们爬取了python职位的相关信息，然后利用这些信息做了简单的分析。得出python还是比较有前途的，不论是为了工作，还是自己的兴趣，我们都应该尝试学学这门语言。入门简单，而且网上的资源也很丰富。

文章的最后附上那句经典：

Life is short, you need Python.