IT行业老程序员的经验之谈:爬虫学到什么程度可以找到工作?

IT行业老程序员的经验之谈:爬虫学到什么程度可以找到工作?

什么是爬虫?

百度百科:网络爬虫(又被称为网页,网络机器人,在社区中间,更经常的称为网页追逐者),是一种按照一定的规则,自动地抓取信息的程序或者脚本。

最近很多朋友问我,学习爬虫,学到什么程度可以去找工作呢?

这篇文章会说说我自己的心得体验,关于爬虫、关于工作,仅供参考

为什么那么多人选择学习爬虫?

  1. 爬虫入门简单
  2. 薪资客观
  3. 求职门槛不高

一线城市(北京为例)

IT行业老程序员的经验之谈:爬虫学到什么程度可以找到工作?

96.1%薪资是在10K以上,88.1%的人薪资是在10-30K,所以为什么说薪资非常客观了。

二线城市(成都为例)

IT行业老程序员的经验之谈:爬虫学到什么程度可以找到工作?

学到哪种程度可以就业

暂且把目标定位初级爬虫工程师,简单列一下吧:

(必要部分)

  • 语言选择:一般是Python
  • 熟悉多线程编程、网络编程、HTTP协议相关
  • 开发过完整爬虫项目(最好有全站爬虫经验,这个下面会说到)
  • 反爬相关,cookie、ip池、验证码等等
  • 熟练使用分布式

(非必要,建议)

  • 了解消息队列,如RabbitMQ、Kafka、Redis等
  • 具有数据挖掘、自然语言处理、信息检索、机器学习经验
  • 熟悉APP数据采集、中间人代理
  • 大数据处理(Hive/MR/Spark/Storm)
  • 数据库Mysql,redis,mongdb
  • 熟悉Git操作、linux环境开发
  • 读懂js代码,这个真的很重要

IT行业老程序员的经验之谈:爬虫学到什么程度可以找到工作?

如何提升

IT行业老程序员的经验之谈:爬虫学到什么程度可以找到工作?

随便看看知乎上的教程就可以入门了,就Python而言,会requests当然是不够的,还需要了解scrapy和pyspider这两个框架,scrapy_redis也是需要理解原理的。

  • 分布式如何搭建、
  • 如何解决其中遇到内存、速度问题。

什么叫全站爬取

最简单的拿拉钩来举例,搜索关键词,有30页,不要以为把这30页爬完就是全站爬取了,你应该想方法把所有数据全部爬下来。

什么办法,通过筛选缩小范围,慢慢来就OK了。

同时,每个职位还会有推荐职位,再写一个采集推荐的爬虫。

这个过程需要注意的是如何去重,Mongo可以、redis也可以

实际项目经验

这个面试中肯定会被人问道,如:

  • 你爬过哪些网站
  • 日均最大采集量是多少
  • 你遇到哪些棘手问题,如何解决
  • 等等

那么怎么找项目呢?比如我要爬微博数据,去Github中搜索下,项目还算少吗?

IT行业老程序员的经验之谈:爬虫学到什么程度可以找到工作?

关于反爬

常见的 UA、Refer等需要了解是什么东西,有些验证的ID如何产生的,是否必要;关于IP池这块我不了解,不多说,需要注意的是如何设计拉黑机制;模拟登陆也是必要的, 可以研究下代码,或者提PR。

模拟登陆其实就是一步步的请求,保存cookie会话

IT行业老程序员的经验之谈:爬虫学到什么程度可以找到工作?

如何判断能力足够

很简单,给个任务,爬取知乎上所有问题。

你会如何思考并设计这个项目?

欢迎留言指出

IT行业老程序员的经验之谈:爬虫学到什么程度可以找到工作?

相关推荐