涉及知识：数据库（mongodb）node.js
建议阅读：3分钟

经常有人问：“我是该学Angular还是React？该用gulp还是webpack…”
这篇文章就是要 交给大家一把钥匙，专门解答这类问题。

解答思路

我一直提倡的是 学以致用，知行合一，所以当我们学习和储备技能的时候应该要和市场相结合，准确的说应该是人才市场。
要了解人才市场有个非常简单的方法——招聘网站。我们上招聘网站搜一搜，看看企业在招聘的时候都有哪些技能需求就一目了然了。

可问题就是数据那么多，如果只抽取部分做参考不够准确，一个个去看又效率太低。

我觉得身为开发人员最大的优势就是 可以用代码等技术手段定制所需的工具。所以我们只需要写一段爬虫代码，把招聘网站上的数据“同步”到数据库，然后进行统计分析，就可以进行有的放矢地学习了。先看一下统计分析结果：

动手实践

以个人比较喜欢的某招聘网站为例。

网页分析

搜索“前端”,人往高处看齐，我们添加一个过滤条件“25k-50k”，看看市场对高级前端的要求。同时按下F12打开调试，发现这里发送了ajax请求（凡事有利有弊，前后端分离虽然开发效率提高了，但同时也为爬虫程序降低了难度）。

补充一下：一般分两种情况：json数据和html页面，本文两种情况皆有涉及。

通过列表我们只能知道公司和职位，点击链接跳转到详情页看到我们想要的信息：岗位职责和要求。

这里没有看到ajax请求，应该是后端利用模板直接生成的静态页面，所以需要解析html，会略微麻烦一些。

编写代码

整个编码的思路变得很清晰了：

1.分页查询职位列表
用request模块发送get请求，获取json数据，然后按照id查询html。

2.按职位查询详情并入库
用jsdom模块对获取的html进行dom解析，这个模块很容易上手，可用jquery语法。
将解析的数据过滤，保留岗位职责和要求信息，利用mongoose保存至数据库。

3.从数据库中查询结果
查询统计各技能占比。结果如开头截图所示。

统计结果只代表了某招聘网站对高级前端的技能要求，仅供参考。 程序代码100多行，具体细节可戳
源码地址：https://github.com/yalishizhude/spider

总结优化

换个搜索关键词，换个网站都可以使用么？

换个关键词可以，换个网站直接使用肯定不行的，首先用开发者工具找出查询数据的url，然后json数据直接处理，如果是html再解析，方法相同，只是解析的字段不同。

明明是写个爬虫，却说是职业规划，不是标题党么？

爬虫跟文中所提的手工统计、抽样查看方法一样，都是手段，只是更高效一些。文章的重点是利用统计分析的方法来解决“xx与yy，我该如何选择”这类问题。目标思维很重要，黑猫白猫抓到老鼠就是好猫。

我不用数据库直接在内存中分析不是更简单么？

这样的确能减少代码量，但是每次分析都需要重新抓取数据，效率太低而且容易被反爬虫发现，所以 建议还是将查询结果统计入库。绘图，出表格…后续想怎么玩都行~

有没有更可靠的分析方法？

当然有。文中所提的搜索匹配的分析方式太简单了，最理想的方式应该是 自动挑选出topN的关键词然后按占比排序。咨询了一下做大数据的朋友，可以使用 word2vec，有兴趣的读者可以试试。

打赏支持我写出更多好文章，谢谢！

打赏作者