最近开始找工作，本人苏州，面了几家都没有结果很是伤心。在拉勾上按照城市苏州关键字.NET来搜索一共才80来个职位，再用薪水一过滤，基本上没几个能投了。再加上最近苏州的房价蹭蹭的长，房贷压力也是非常大，所以有点想往上海去发展。闲来无聊写了个小爬虫，爬了下苏州跟上海的.NET职位的信息，然后简单对比了一下。
是的小弟擅长.NET，为啥用nodejs？因为前几天有家公司给了个机会可以转nodejs，所以我是用来练手的，不过后来也泡汤了，但是还是花两晚写完了。刚学，代码丑轻喷哈！
一：如何爬取拉勾的数据
这个其实非常简单，本来还以为要用正则去分析html，其实拉勾分页提了ajax的接口，可以直接用http去访问。打开神器Chrome的F12一看便知。
这是用nodejs模拟分页请求的代码：
var getData = function (kd,city,pn) {
var mongo = require(‘./mongo‘);
var http = require(‘http‘);
var queryString = require(‘querystring‘);
var postData=queryString.stringify({
‘pn‘:pn,
‘kd‘:kd,
‘first‘:false
});
var options = {
hostname:‘www.lagou.com‘,
method:‘POST‘,
path:‘/jobs/positionAjax.json?px=default&city=‘+city,
headers: {
‘Content-Type‘: ‘application/x-www-form-urlencoded‘,
‘Content-Length‘: postData.length
}
};
var postResult = ‘‘;
var req = http.request(options,(res)=>{
console.log(`STATUS:${res.statusCode}`);
res.setEncoding(‘utf8‘);
res.on(‘data‘,(chunk)=>{
postResult+=chunk;
});
res.on(‘end‘,()=>{
console.log(`RESULT:${postResult}`);
var jsonObj =JSON.parse(postResult);
//insert into db
jsonObj.content.result.forEach((item)=>{
var salary = item.salary;
//拆分3k-6k，易于统计
var arr = salary.split(‘-‘);
var min = arr[0].substring(0,arr[0].indexOf(‘k‘));
var max = arr.length>1? arr[1].substring(0,arr[1].indexOf(‘k‘)):min;
item.salaryMin = parseInt(min);
item.salaryMax = parseInt(max);
mongo.save(city,item);
});
if(jsonObj.content.hasNextPage&&jsonObj.content.totalPageCount>pn){
getData(kd,city,pn+1);
}
});
req.on(‘error‘,(e)=>{
console.log(`problem with request:${e.message}`);
});
});
req.write(postData);
req.end();
console.log(`start to get data. pn:${pn} city:${city} kd:${kd}`);
};
exports.run = getData;
二：数据存储在哪里
拉勾的分页接口返回的是json对象，那么自然是存mongoDb最简单了。
下面是mongoDb的封装：
var save=function (city,jsonObj) {
var Db = require(‘mongodb‘).Db;
var Server = require(‘mongodb‘).Server;
var db = new Db(‘test‘,new Server(‘localhost‘,27017))
db.open((err,db)=>{
var coll = db.collection(city);
coll.save(jsonObj,(err,r)=>{
if(!err){
console.log(‘save to ‘+city);
}
db.close();
});
});
};
var removeAll = function (city,callback) {
var Db = require(‘mongodb‘).Db;
var Server = require(‘mongodb‘).Server;
var db = new Db(‘test‘,new Server(‘localhost‘,27017))
db.open((err,db)=>{
var coll = db.collection(city);
coll.remove((err,numOfRows)=>{
if(!err){
console.log(`${city} collection be removed. ${numOfRows}`);
}
db.close();
callback(err);
});
});
};
var readAll=function (city,callback) {
var Db = require(‘mongodb‘).Db;
var Server = require(‘mongodb‘).Server;
var db = new Db(‘test‘,new Server(‘localhost‘,27017))
db.open((err,db)=>{
var coll = db.collection(city);
var cursor = coll.find();
cursor.toArray((err,results)=>{
if(!err){
callback(results);
//db.close();
}
db.close();
});
});
}
exports.save = save;
exports.removeAll = removeAll;
exports.readAll = readAll;
三：如何展示数据
使用nodejs自带的httpServer，接受到请求的时候直接读取一个html文件，然后把对比的信息填入html文本里，用一个h5的chart来展示
下面是服务器的代码：
var http = require(‘http‘);
var fs = require(‘fs‘);
var stati = require(‘./statistics‘);
var szStati = {text:‘SuZhou‘};
var shStati = {text:‘ShangHai‘};
var server=new http.Server();
server.on(‘request‘,function(req,res){
res.writeHead(200,{‘Content-Type‘:‘text/html‘});
fs.readFile(‘./index.html‘,‘utf8‘,(err,data)=>{
if (err) {
throw err;
}
console.log(data);
// res.write(data);
// res.end();
stati.statiSalary(‘苏州‘,(results)=>{
szStati.values = results;
stati.statiSalary(‘上海‘,(results)=>{
shStati.values = results;
var series =[szStati,shStati];
var strSeries = JSON.stringify(series);
console.log(strSeries);
data = data.replace(‘@series‘,strSeries);
console.log(data);
res.write(data);
res.end();
});
});
});
});
server.listen(3000);
console.log(‘http server started...port:3000‘);
四：统计结果
统计按照 0-5k，5-10k，10-15k，15-20k，20-25k，>25k这几个区间按照职位的数量进行统计。
0-5k：上海是苏州的4倍
5-10k：上海是苏州的4倍
10-15k：上海是苏州的9倍
15-20k：上海是苏州的12倍
20-25k：上海是苏州的17倍
>25k：上海是苏州的26倍
可以看到从10-15k开始的职位，上海的数量是苏州的10多倍，越是高薪的职位倍数越高。由此可以看出，苏州跟上海的差距还是非常大的。苏州政府一直沾沾自喜，觉得自己在互联网圈子有多牛逼，搞了一堆孵化器，但其实拿的出手的公司有几家呢，一只手都数过来了，跟北上广深一线还是差的很远呢，还是要努力啊。
恐怕我也要背井离乡去上海的寻找未来了。
还没学会用VS Code上传到github上，先直接上传代码吧：lagouSpider.zip
时间： 2024-10-09 14:37:24