爬取前程无忧招聘网站计算机类岗位信息写入表格并做简单分析

好的，这个任务需要使用 Python 编程语言进行爬虫开发和数据处理。以下是实现思路：

1. 使用 requests 库请求前程无忧招聘网站的页面，获取页面源码。
2. 使用 BeautifulSoup 库解析页面源码，获取页面中的招聘信息。
3. 使用 pandas 库创建一个数据表格，将招聘信息写入表格中。
4. 对表格中的数据进行简单的统计和分析，例如计算平均薪资、岗位数量等。

以下是具体实现步骤和代码：

1. 导入所需的库

import requests
from bs4 import BeautifulSoup
import pandas as pd

2. 请求页面并解析页面源码

# 请求页面
url = 'https://search.51job.com/list/000000,000000,0000,00,9,99,计算机,2,1.html'
r = requests.get(url)
r.encoding = 'gbk'

# 解析页面源码
soup = BeautifulSoup(r.text, 'html.parser')
job_list = soup.find_all('div', class_='el')

3. 创建数据表格并将招聘信息写入表格中

# 创建数据表格
df = pd.DataFrame(columns=['职位名称', '公司名称', '工作地点', '薪资', '发布日期'])

# 将招聘信息写入表格中
for job in job_list:
    job_name = job.find('a', class_='jobname').text.strip()
    company_name = job.find('a', class_='comname').text.strip()
    job_location = job.find('span', class_='t3').text.strip()
    job_salary = job.find('span', class_='t4').text.strip()
    job_date = job.find('span', class_='t5').text.strip()

    df = df.append({'职位名称': job_name,
                    '公司名称': company_name,
                    '工作地点': job_location,
                    '薪资': job_salary,
                    '发布日期': job_date}, ignore_index=True)

4. 对数据进行简单的统计和分析

# 计算平均薪资
salary_list = [int(salary.replace('千/月', '').replace('-', '0')) for salary in df['薪资']]
average_salary = sum(salary_list) / len(salary_list)

# 计算岗位数量
job_count = len(df)

print('平均薪资：%.2f 千/月' % average_salary)
print('岗位数量：%d' % job_count)

完整代码：

import requests
from bs4 import BeautifulSoup
import pandas as pd

# 请求页面
url = 'https://search.51job.com/list/000000,000000,0000,00,9,99,计算机,2,1.html'
r = requests.get(url)
r.encoding = 'gbk'

# 解析页面源码
soup = BeautifulSoup(r.text, 'html.parser')
job_list = soup.find_all('div', class_='el')

# 创建数据表格
df = pd.DataFrame(columns=['职位名称', '公司名称', '工作地点', '薪资', '发布日期'])

# 将招聘信息写入表格中
for job in job_list:
    job_name = job.find('a', class_='jobname').text.strip()
    company_name = job.find('a', class_='comname').text.strip()
    job_location = job.find('span', class_='t3').text.strip()
    job_salary = job.find('span', class_='t4').text.strip()
    job_date = job.find('span', class_='t5').text.strip()

    df = df.append({'职位名称': job_name,
                    '公司名称': company_name,
                    '工作地点': job_location,
                    '薪资': job_salary,
                    '发布日期': job_date}, ignore_index=True)

# 计算平均薪资
salary_list = [int(salary.replace('千/月', '').replace('-', '0')) for salary in df['薪资']]
average_salary = sum(salary_list) / len(salary_list)

# 计算岗位数量
job_count = len(df)

print('平均薪资：%.2f 千/月' % average_salary)
print('岗位数量：%d' % job_count)

注意，这个爬虫程序可能会因为反爬机制而失败，需要根据需求进行反爬策略的制定和调整。